💻 computer science

Modelling Geographic Atrophy Progression using Implicit Neural Representations

本文提出了一种低数据隐式神经表示（INR）框架，用于模拟年龄相关性黄斑变性中地理萎缩的个体化进展，在实现卓越的病灶面积预测与分割准确性的同时，保持了过去及未来时间点高质量眼底自发荧光图像的生成能力。

原作者： Simone Sarrocco, Paul Friedrich, Florentin Bieder, Christina Bornberg, Philippe Valmaggia, Peter Maloca, Philippe Cattin

发布于 2026-08-12

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Simone Sarrocco, Paul Friedrich, Florentin Bieder, Christina Bornberg, Philippe Valmaggia, Peter Maloca, Philippe Cattin

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图预测一滴墨水如何在湿纸上扩散。你可以看到墨水开始时的样子，也能看到一段时间后的样子，但它在中间所呈现的精确形状，或是明天会变成什么样，都是一个谜。这就是科学家在研究一种名为年龄相关性黄斑变性（AMD）的特定眼疾时所面临的难题。在它的晚期“干性”阶段，这种疾病会在眼底产生一个被称为地理萎缩（GA）的斑块状、不断扩张的损伤区域。目前，医生使用特殊的照相机拍摄眼底照片（称为眼底自发荧光成像或 FAF）来观察这些暗色斑块随时间的变化。然而，由于每个人的眼睛都各不相同，且疾病进展的速度也各异，因此很难精确预测特定患者的视力会如何变化。目标是构建一个数字水晶球，能够通过观察几张过去的照片，来推测未来的眼底状况，从而帮助医生向患者解释接下来可能发生的情况。

本文介绍了一种利用被称为“隐式神经表示”（INRs）的技术来构建这个水晶球的巧妙新方法。请不要把 INR 看作是一个标准的相册，而要把它看作一本神奇的、连续的“食谱书”。INR 存储的不是由像素组成的网格（就像数字照片那样），而是一套指令，可以描述在任何时间或空间点的图像。如果你问这本食谱：“第 5 周时眼睛是什么样子的？”它会即时计算出答案，即使从未在第 5 周拍摄过照片。研究人员使用这种方法创建了一个模型，旨在学习每位患者眼疾的独特“故事”。他们发现，通过为每只特定的眼睛提供一张特殊的“身份卡”（潜向量），该模型可以学习该患者损伤的独特形状和生长模式。

团队在了一组患者身上测试了他们的模型，这些患者在数月内接受了多达四次的扫描。他们要求模型完成两件事：首先，重建眼底模糊的发光图像（FAF 图像）；其次，绘制出受损区域的精确轮廓（GA 分割）。结果非常令人期待。在模型需要预测未来或填补缺失时间点测试中，它在预测损伤区域的大小和形状方面表现得非常出色。与其他的计算机程序相比，它在测量病灶大小方面达到了最高的准确度，并在损伤形状的匹配度方面表现最佳。虽然它在重建眼底发光图像的精细高清晰度细节方面并不完美（有时仅仅复制最后一次已知的图像在图像清晰度方面效果更好），但它在理解疾病是如何演变方面表现卓越。作者认为，这种方法可以帮助医生直观地展示患者特定的疾病进程，从而可能更容易地讨论未来的预后情况和治疗效果。不过，他们也指出，仍需更多工作来使图像细节更加锐利，并需要在具有不同疾病阶段的更大规模人群中进行测试。

技术摘要：利用隐式神经表示对地理萎缩进展进行建模

问题陈述
年龄相关性黄斑变性（AMD）是导致失明的主要原因，其晚期干性阶段的特征是地理萎缩（GA），这是一种不可逆的视网膜组织丢失。虽然眼底自发荧光（FAF）成像已成为监测 GA 的标准方法，但由于疾病进展具有高度的个体化特征，准确建模和预测演变变得十分困难，尤其是在纵向患者记录稀缺的低数据量场景下。现有的深度学习方法往往难以捕捉连续且具有患者特异性的轨迹，或者需要大量数据才能实现泛化。

方法论
作者提出了一种利用隐式神经表示（INR）将 GA 进展建模为连续、针对特定受试者函数的框架。核心架构是一个由带有 SIREN 激活函数的多层感知器（MLP）组成的自动解码器（auto-decoder）。

架构与条件化： 模型分为两个头：一个用于生成 FAF 图像像素强度的重建头（ $f^{faf}_\theta$ ），以及一个用于预测 GA 病变掩码的分割头（ $f^{seg}_\theta$ ）。这两个头在到达倒数第二层之前共享同一个 MLP。
潜在表示： 为了捕捉个体眼睛的特征，每个眼睛都被分配了一个唯一的 3D 空间潜在向量（ $z_i$ ）。该向量在特定眼睛的所有时间点都是共享的，从而迫使模型学习眼睛特有的解剖特征，而非仅针对单次随访的伪影。
调制与时间动态： 网络通过调制层（FiLM）进行条件化。潜在向量与时间变量（自基线以来的周数）以及临床变量（就诊时的患者年龄）进行拼接。这些组合输入被线性映射为每一层的缩放和平移参数。值得注意的是，平移参数被用于将时间动态表示为低级信号。
训练与测试时自适应：
- 训练： 模型通过最小化包含 FAF 重建的均方误差（MSE）以及结合了二元交叉熵（BCE）和 DICE 损失的分割损失的联合损失函数，来优化网络参数（ $\theta$ ）和眼睛特有的潜在向量集（ $\{z_i\}$ ）。
- 测试时自适应： 对于未见过的患者（新眼睛），会随机初始化一个新的潜在向量，并利用该特定患者现有的随访数据进行优化，同时保持网络权重冻结。这使得模型能够在不重新训练整个网络的情况下，适应个体的疾病轨迹。

核心贡献

首次将 INR 应用于 GA： 本研究展示了首次应用隐式神经表示来建模 GA 继发于 AMD 的个体病变轨迹。
联合图像与分割建模： 该框架能同时生成任意时间点（过去、现在和未来）的 FAF 图像和 GA 分割掩码，从而实现疾病状态的插值和外推。
低数据适应性： 通过采用眼睛特有潜在向量的测试时自适应，该方法利用极少的纵向数据（仅需一到两次随访）即可生成准确的预测。
连续轨迹建模： 该方法将疾病进展视为一个连续过程，允许可视化中间状态和未来的演变，而离散模型可能会遗漏这些细节。

结果
该方法在 OMEGA 数据集上进行了评估，该数据集包含来自 30 名患者的 37 只眼睛，每名患者最多有四次随访。研究针对三种场景（单图像对预测、全历史外推和缺失随访重建）与经典插值法、ImageFlowNet、T-UNet 以及时间感知扩散模型（T-I2SBUNet）进行了对比。

分割性能： 该方法在所有场景中均取得了最高的 DICE 分数（场景 1 为 0.85，场景 2 为 0.91）以及最低的病变面积平均绝对误差（MAE）（分别为 0.31 mm² 和 0.20 mm²）。它在捕捉病变形状和定位方面显著优于其他深度学习模型。
图像重建： 模型在 FAF 重建方面取得了具有竞争力的 PSNR 和 SSIM 分数。然而，作者指出，在某些情况下，简单地复制最后一次可用的地面真值图像会得到更好的重建指标，这可能是由于数据集中随访间隔较短（约 12 周）所致。
定性分析： 目测确认，该模型生成的真实病变增长轨迹与地面真值测量一致，而一些竞争方法虽然产生了较低的 MAE，但在视觉上却无法匹配萎缩区域。

意义与主张
论文声称展示了空间潜在向量在学习个体解剖结构以及通过调制层注入时间信息方面的效用。作者将这项工作定位为一种帮助临床医生可视化预期疾病演变，并向患者沟通潜在治疗获益的工具。

作者对当前的局限性保持谦逊，承认在外推过程中重建 FAF 图像的高频细节仍是一个挑战。他们强调，虽然模型在分割和面积估计方面表现良好，但外推场景下的图像质量仍需进一步研究。论文总结道，未来的工作应侧重于更大的队列、不同的 AMD 阶段，以及整合其他模态（如 OCT）以提高临床解释性和风险预测能力。

类似论文