基于病灶感知的边缘图神经网络用于预测中风后失语患者的语言能力
机器学习
2024-09-05 v1 信号处理
神经元与认知
摘要
我们提出了一种病灶感知图神经网络（LEGNet），用于从中风后失语患者的静息态fMRI（rs-fMRI）连接性数据中预测语言能力。该模型集成了三个组件：一个基于边缘的学习模块，对脑区之间的功能连接进行编码；一个病灶编码模块；以及一个利用功能相似性进行预测的子图学习模块。我们使用源自Human Connectome Project（HCP）的合成数据进行超参数调优和模型预训练。随后，我们在中风后失语的住院神经影像数据集上采用重复10折交叉验证进行评估。我们的结果表明，LEGNet在预测语言能力方面优于基线深度学习方法。LEGNet在测试第二个住院数据集时（该数据集采用略微不同的神经影像协议获取），也展现了卓越的泛化能力。综上所述，本研究的结果凸显了LEGNet在针对大脑病灶患者队列中有效学习rs-fMRI连接性与语言能力之间关系方面的潜力，从而有助于改进中风后失语的评估。
引用
@article{arxiv.2409.02303,
title = {A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia},
author = {Zijian Chen and Maria Varkanitsa and Prakash Ishwar and Janusz Konrad and Margrit Betke and Swathi Kiran and Archana Venkataraman},
journal= {arXiv preprint arXiv:2409.02303},
year = {2024}
}
备注
Accepted at MICCAI 2024 International Workshop on Machine Learning in Clinical Neuroimaging (MLCN)