通过超图 GAN 表征脑网络多模态连接性用于阿尔茨海默病分析
计算机视觉与模式识别
2021-07-22 v1
摘要
利用多模态神经影像数据表征脑网络是当前用于阿尔茨海默病（AD）分析的先进技术。近年来，神经影像学界在源自血氧水平依赖（BOLD）信号的静息态功能磁共振成像（rs-fMRI）与源自白质纤维束成像的扩散张量成像（DTI）研究上取得了巨大进展。然而，由于 BOLD 信号与纤维束成像之间的异质性与复杂性，大多数现有多模态数据融合算法不能充分利用 rs-fMRI 与 DTI 间的互补信息。为克服该问题，本文提出一种新颖的超图生成对抗网络（Hypergraph Generative Adversarial Networks, HGGAN），其利用交互超边神经元模块（IHEN）与最优超图同态算法（OHGH）从 rs-fMRI 结合 DTI 生成脑网络的多模态连接性。为评估该模型性能，我们使用来自 ADNI 数据库的公开可用数据证明，所提模型不仅能识别 AD 的判别性脑区，还能有效提升分类性能。
引用
@article{arxiv.2107.09953,
title = {Characterization Multimodal Connectivity of Brain Network by Hypergraph GAN for Alzheimer's Disease Analysis},
author = {Junren Pan and Baiying Lei and Yanyan Shen and Yong Liu and Zhiguang Feng and Shuqiang Wang},
journal= {arXiv preprint arXiv:2107.09953},
year = {2021}
}