拷贝数变异辅助基于 fMRI 的孤独症谱系障碍预测
定量方法
2023-08-11 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
孤独症谱系障碍（ASD）的多因素病因学表明，其研究将极大受益于结合广泛不同平台数据（例如神经影像、遗传学和临床表征）的多模态方法。先前的神经影像-遗传分析常在数据驱动工作中采用朴素特征拼接方法，或利用一种模态的发现来指导另一模态的事后分析，错失了以真正统一方法分析配对多模态数据的机会。本文中，我们开发了更具集成性的模型用于结合遗传、人口统计与神经影像数据。受基因型影响表型启发，我们提出一种基于注意力的方法，由遗传数据引导对神经影像中重要特征的关注以进行模型预测。遗传数据源自拷贝数变异参数，而神经影像数据来自功能性磁共振成像。我们在ASD分类与严重程度预测任务上评估所提方法，使用228名ASD与典型发育受试者的性别平衡数据集，采用10折交叉验证框架。我们证明，我们结合遗传信息、人口统计数据和功能性磁共振成像的基于注意力的模型相较于其他多模态方法具有更优的预测性能。
引用
@article{arxiv.2308.05122,
title = {Copy Number Variation Informs fMRI-based Prediction of Autism Spectrum Disorder},
author = {Nicha C. Dvornek and Catherine Sullivan and James S. Duncan and Abha R. Gupta},
journal= {arXiv preprint arXiv:2308.05122},
year = {2023}
}
备注
Accepted by Machine Learning in Clinical Neuroimaging 2023 (MICCAI workshop), preprint version