基于相关-距离图学习的rs-fMRI治疗反应预测
图像与视频处理
2023-11-20 v1 计算机视觉与模式识别
摘要
静息态功能磁共振成像（rs-fMRI）功能连接（FC）分析为不同脑区之间的关系及其对神经或精神疾病的潜在影响提供了有价值的见解。然而，由于难以理解当前脑状态及驱动所观察模式的潜在机制，从rs-fMRI预测治疗反应的专门设计努力仍然有限，这限制了rs-fMRI的临床应用。为克服该问题，我们提出了一种图学习框架，通过在对比损失下整合基于相关性和基于距离的相似性度量来捕获全面特征。该方法产生了一个更具表达力的框架，可在不同尺度上捕获脑动态特征，并实现更准确的治疗反应预测。我们在慢性疼痛和人格解体障碍数据集上的实验表明，我们所提方法在不同场景下优于现有方法。据我们所知，我们首次探索将基于距离和基于相关的神经相似性整合到图学习中用于治疗反应预测。
引用
@article{arxiv.2311.10463,
title = {Correlation-Distance Graph Learning for Treatment Response Prediction from rs-fMRI},
author = {Xiatian Zhang and Sisi Zheng and Hubert P. H. Shum and Haozheng Zhang and Nan Song and Mingkang Song and Hongxiao Jia},
journal= {arXiv preprint arXiv:2311.10463},
year = {2023}
}
备注
Proceedings of the 2023 International Conference on Neural Information Processing (ICONIP)