ACTION：用于功能MRI脑网络分析的增强与计算工具箱
图像与视频处理
2024-05-13 v1 机器学习
神经元与认知
摘要
功能磁共振成像（fMRI）越来越多地被用于研究功能性大脑活动。已经开发了许多与fMRI相关的软件/工具箱，为fMRI分析提供了专门的算法。然而，现有的工具箱很少考虑fMRI数据增强，这在数据有限或不平衡的研究中尤其有用。此外，当前的研究通常侧重于使用依赖人工设计的fMRI特征的传统机器学习模型来分析fMRI，而没有研究可以自动学习数据驱动的fMRI表示的深度学习模型。在这项工作中，我们开发了一个名为“用于脑网络分析的增强与计算工具箱”（ACTION）的开源工具箱，提供全面的功能以简化fMRI分析。ACTION是一个基于Python的跨平台工具箱，具有图形化的用户友好界面。它支持自动fMRI增强，涵盖血氧水平依赖（BOLD）信号增强和脑网络增强。包含了许多流行的脑网络构建和网络特征提取方法。特别是，它支持构建深度学习模型，这些模型利用大规模辅助无标签数据（3800多个静息态fMRI扫描）进行模型预训练，以提高下游任务的模型性能。为了促进多中心fMRI研究，它还配备了几种流行的联邦学习策略。此外，它使用户能够通过脚本设计和测试自定义算法，极大地提高了其实用性和可扩展性。我们在真实的fMRI数据上展示了ACTION的有效性和用户友好性，并给出了实验结果。该软件及其源代码和手册可在线获取。
引用
@article{arxiv.2405.06178,
title = {ACTION: Augmentation and Computation Toolbox for Brain Network Analysis with Functional MRI},
author = {Yuqi Fang and Junhao Zhang and Linmin Wang and Qianqian Wang and Mingxia Liu},
journal= {arXiv preprint arXiv:2405.06178},
year = {2024}
}
备注
14 pages, 5 figures, 5 tables