BrainNetGAN：利用生成对抗网络增强脑连接组用于痴呆分类
机器学习
2021-07-26 v3 人工智能
图像与视频处理
摘要
阿尔茨海默病（AD）是最常见的与年龄相关的痴呆。识别有痴呆风险的个体以实现精准管理仍是一项挑战。脑 MRI 提供了一种检测脑衰老的非侵入性生物标志物。先前证据表明，扩散 MRI 检测到的脑结构改变与痴呆相关。越来越多研究将脑概念化为复杂网络，并显示了该方法在刻画各类神经与精神疾病中的效用。因此，结构连接组在痴呆分类中展现出前景。所提出的 BrainNetGAN 是一种生成对抗网络变体，用于增强二分类痴呆任务中的脑结构连接矩阵。利用扩散 MRI 数据上的纤维束成像构建分离脑区之间的结构连接矩阵。BrainNetGAN 模型被训练以生成假的脑连接矩阵，其预期反映真实脑网络数据的潜在分布。最后，提出一种卷积神经网络分类器用于二分类痴呆分类。数值结果表明，使用 BrainNetGAN 增强数据集提升了测试集中的二分类性能。所提方法允许快速合成任意数量的增强连接矩阵，并可轻易迁移至类似分类任务。
引用
@article{arxiv.2103.08494,
title = {BrainNetGAN: Data augmentation of brain connectivity using generative adversarial network for dementia classification},
author = {Chao Li and Yiran Wei and Xi Chen and Carola-Bibiane Schonlieb},
journal= {arXiv preprint arXiv:2103.08494},
year = {2021}
}
备注
accepted by DGM4MICCAI workshop 2021