考虑功能磁共振成像时间变异性可改善智力预测
神经元与认知
2023-07-20 v2 机器学习
图像与视频处理
统计计算
统计方法学
摘要
基于神经影像的智力和认知能力预测方法在文献中迅速发展。在不同神经影像模态中，基于功能连接（FC）的预测已显示出巨大潜力。多数文献聚焦于使用静态 FC 进行预测，但相较于基于编码时间变异性的动态 FC 或区域水平功能磁共振成像（fMRI）时间序列的预测，此类分析的优劣鲜有研究。为考虑 fMRI 数据中的时间动态，我们提出一种涉及双向长短期记忆（bi-LSTM）并融合特征选择机制的深度神经网络方法。所提流程通过高效的 GPU 计算框架实现，并应用于基于区域水平 fMRI 时间序列以及动态 FC 预测智力分数。我们基于青少年脑认知发育（ABCD）研究中近 7000 名个体的数据，比较了基于静态 FC、动态 FC 和区域水平时间序列的不同智力度量预测性能。我们的详细分析表明，对于单模态静息和任务态 fMRI 实验，以及几乎所有任务与静息特征组合的情况，静态 FC 的预测性能始终劣于区域水平时间序列或动态 FC。此外，所提基于区域水平时间序列的 bi-LSTM 流程识别了跨任务态和静息态 fMRI 实验中驱动智力预测的若干共享与差异重要脑区。对所选特征的重测分析显示跨交叉验证折具有强可靠性。鉴于 ABCD 研究的大样本量，我们的结果提供有力证据：通过考虑 fMRI 中的时间变化可实现更优的智力预测。
引用
@article{arxiv.2211.07429,
title = {Accounting for Temporal Variability in Functional Magnetic Resonance Imaging Improves Prediction of Intelligence},
author = {Yang Li and Xin Ma and Raj Sunderraman and Shihao Ji and Suprateek Kundu},
journal= {arXiv preprint arXiv:2211.07429},
year = {2023}
}