基于深度学习和 fMRI 的 ASD 脑生物标志物解释
计算机视觉与模式识别
2018-08-28 v1 人工智能
神经元与认知
摘要
自闭症谱系障碍（ASD）是一种复杂的神经发育障碍。寻找与 ASD 相关的生物标志物对于理解该障碍的潜在根源极为有帮助，并有助于更早诊断和更有针对性的治疗。尽管深度神经网络（DNNs）已应用于功能磁共振成像（fMRI）以识别 ASD，但理解数据驱动的computational决策过程此前未被探索。因此，本工作致力于解释与 ASD 识别相关的可靠生物标志物这一问题；具体而言，我们提出一种两阶段方法，利用 fMRI 图像对 ASD 与对照组受试者进行分类，并解释分类器激活的显著性特征。首先，我们训练了一个准确的 DNN 分类器。然后，为检测生物标志物，不同于计算机视觉中的 DNN 可视化工作，我们利用脑 fMRI 的解剖结构并开发了频率归一化采样方法来破坏图像。此外，在 ASD 与对照组受试者分类场景中，我们提供了一种新方法来检测重要脑特征并将其表征为三类。我们所提方法发现的生物标志物是鲁棒的，且与文献中先前的发现一致。我们还通过神经功能解码并与 DNN 激活图比较来验证检测到的生物标志物。
引用
@article{arxiv.1808.08296,
title = {Brain Biomarker Interpretation in ASD Using Deep Learning and fMRI},
author = {Xiaoxiao Li and Nicha C. Dvornek and Juntang Zhuang and Pamela Ventola and James S. Duncan},
journal= {arXiv preprint arXiv:1808.08296},
year = {2018}
}
备注
8 pagers, accepted by MICCAI 2018