静息态功能 MRI 中双胞胎合子性的自动识别
图像与视频处理
2018-10-30 v4 机器学习
信号处理
摘要
双胞胎研究的一个关键优势在于存在两类双胞胎——单卵双生与双卵双生——它们共享不同量的遗传信息。准确区分双胞胎类型可实现对群体中遗传影响的有效推断。然而，若无基因分型，合子性识别常易出错。在本研究中，我们提出一种新颖的成对特征表示，用于分类静息态功能磁共振成像（rs-fMRI）双胞胎对的合子性。为此，我们将 fMRI 信号投影到一组基函数上，并使用投影系数作为含噪 fMRI 的紧凑且具判别性的特征表示。我们将双胞胎间的关系编码为跨脑区新特征表示之间的相关性。我们采用爬山变量选择来识别受遗传影响最大的脑区。所提框架应用于 208 对双胞胎，在自动识别成对图像合子性上达到了 94.19% 的分类准确率。
引用
@article{arxiv.1807.00244,
title = {Automatic Identification of Twin Zygosity in Resting-State Functional MRI},
author = {Andrey Gritsenko and Martin A. Lindquist and Gregory R. Kirk and Moo K. Chung},
journal= {arXiv preprint arXiv:1807.00244},
year = {2018}
}