利用动态功能连接定位脑肿瘤患者语言运动皮层的多任务深度学习框架
图像与视频处理
2020-11-18 v1 机器学习
摘要
我们提出了一种新颖的深度学习框架，利用动态功能连接同时定位脑肿瘤患者语言与运动区域的优势皮层。我们的方法借助卷积层从动态连接矩阵中提取基于图的特征，并利用长短期记忆(LSTM)注意力网络在分类过程中对相关时间点加权。我们模型的最终阶段采用多任务学习来识别不同的优势子系统。我们独特的训练策略在所关注的认知网络间找到共享表示，使我们能够处理缺失的患者数据。我们在56名脑肿瘤患者的静息态fMRI数据上评估了该方法，同时使用任务态fMRI激活作为训练与测试的替代真值标签。我们的模型比常规深度学习方法实现了更高的定位准确率，并且即使在仅以左半球偏侧化病例训练时也能识别双侧语言区。因此，我们的方法最终可能有助于肿瘤患者的术前定位。
引用
@article{arxiv.2011.08813,
title = {A Multi-Task Deep Learning Framework to Localize the Eloquent Cortex in Brain Tumor Patients Using Dynamic Functional Connectivity},
author = {Naresh Nandakumar and Niharika Shimona D'souza and Komal Manzoor and Jay J. Pillai and Sachin K. Gujar and Haris I. Sair and Archana Venkataraman},
journal= {arXiv preprint arXiv:2011.08813},
year = {2020}
}
备注
Presented at MLCN 2020 workshop, as a part of MICCAI 2020