DecGAN：解耦生成对抗网络检测阿尔茨海默病的异常神经回路
机器学习
2021-10-13 v1 人工智能
摘要
阿尔茨海默病（AD）的主因之一是某些神经回路的紊乱。现有AD预测方法已取得很大成功，但从脑网络视角检测异常神经回路仍是一大挑战。本文提出一种新颖的解耦生成对抗网络（DecGAN）用于检测AD的异常神经回路。具体地，设计解耦模块将脑网络分解为两部分：其一由若干稀疏图组成，代表主要决定AD发展的神经回路；其二是补充图，其对AD的影响可忽略。此外，利用对抗策略引导解耦模块提取与AD更相关的特征。同时，通过将检测到的神经回路编码为超图数据，设计结合超边神经元算法的分析模块以识别神经回路。更重要的是，提出一种基于空间-谱超图相似性的新颖稀疏容量损失，以最小化神经回路的固有拓扑分布，可显著提升所提模型的精度与鲁棒性。实验结果表明，该模型能有效检测AD不同阶段的异常神经回路，有助于病理研究与早期治疗。
引用
@article{arxiv.2110.05712,
title = {DecGAN: Decoupling Generative Adversarial Network detecting abnormal neural circuits for Alzheimer's disease},
author = {Junren Pan and Baiying Lei and Shuqiang Wang and Bingchuan Wang and Yong Liu and Yanyan Shen},
journal= {arXiv preprint arXiv:2110.05712},
year = {2021}
}