基于云处理的 fMRI 脑网络深度标注
机器学习
2022-09-22 v2
摘要
静息态 fMRI 是一种通过信号变化揭示大脑活动定位的成像方式，即所谓的静息态网络 (RSNs)。该技术在神经外科手术前规划中日益普及，用于可视化功能区并评估区域活动。rs-fMRI 网络的标注需要领域专业知识且耗时，因而产生了对自动分类算法的需求。尽管 AI 在医学诊断中的影响已取得巨大进展，但在临床环境中部署与维护这些算法仍是一项未满足的需求。我们提出一个端到端可复现流水线，在基于云的工作流中整合 rs-fMRI 图像处理，同时利用深度学习自动分类 RSNs。我们构建了一个可复现的 Azure Machine Learning 基于云的医疗影像概念流水线用于 fMRI 分析，并集成了流行的 FMRIB Software Library (FSL) 工具包。为使用大型数据集展示临床应用，我们比较了三种神经网络架构对处理后的 rs-fMRI 所得深层 RSNs 的分类。这三种算法为：MLP、基于 2D 投影的 CNN，以及全 3D CNN 分类网络。每个网络均在 rs-fMRI 反投影独立成分上训练，各分类方法准确率均 >98%。
引用
@article{arxiv.2209.08200,
title = {Deep Labeling of fMRI Brain Networks Using Cloud Based Processing},
author = {Sejal Ghate and Alberto Santamaria-Pang and Ivan Tarapov and Haris I Sair and Craig K Jones},
journal= {arXiv preprint arXiv:2209.08200},
year = {2022}
}
备注
International Symposium on Visual Computing