基于大脑的图神经网络读出层：推动阿尔茨海默病早期诊断与神经影像学
神经元与认知
2024-10-22 v1 人工智能
计算机视觉与模式识别
图像与视频处理
摘要
阿尔茨海默病（AD）是一种神经退行性疾病，特点是逐渐性的记忆和认知衰退，全球数百万人受到影响。由于其异质性和可变的病程进展，AD的诊断具有挑战性。本研究引入了一种新颖的大脑感知读出层（BA读出层）用于图神经网络（GNN），旨在提高神经影像学中早期AD诊断的可解释性和预测准确性。通过基于功能连接和节点嵌入对脑区进行聚类，该读出层提高了GNN捕捉复杂脑网络特征的能力。我们使用T1加权MRI、静息态fMRI和FBB-PET，对383名参与者（包括认知正常者和早期AD个体）进行神经影像数据分析，以构建脑图。我们的结果表明，采用BA读出层的GNN在预测早期阿尔茨海默病认知复合评分（PACC）方面显著优于传统模型，表现出更高的鲁棒性和稳定性。该自适应BA读出层还通过突出认知功能受AD影响的特定脑区，提供了增强的可解释性。这些发现表明，我们的方法为AD的早期诊断和分析提供了一种有价值的工具。
引用
@article{arxiv.2410.14683,
title = {Brain-Aware Readout Layers in GNNs: Advancing Alzheimer's early Detection and Neuroimaging},
author = {Jiwon Youn and Dong Woo Kang and Hyun Kook Lim and Mansu Kim},
journal= {arXiv preprint arXiv:2410.14683},
year = {2024}
}