用于精神障碍诊断的功能性 MRI 图像深度神经生成模型
机器学习
2019-04-15 v2 机器学习
摘要
精神障碍的准确诊断在改善患者生活质量方面起着关键作用，并可能支持新疗法的开发。许多研究致力于利用寻求疾病特定生物标记物的脑成像数据的机器学习技术。这些研究遇到了如下困境：直接分类会对少量高维样本过拟合，而无监督特征提取则有提取无关信号的风险。此外，此类研究通常仅提供患者诊断而未给出诊断原因。本研究提出了一种静息态功能性磁共振成像（fMRI）数据的深度神经生成模型。该模型以受试者状态假设为条件，并利用贝叶斯规则估计给定成像数据时受试者状态的后验概率。本研究应用所提模型诊断精神分裂症与双相情感障碍。诊断准确率相较竞争方法（即功能连接分类、区域信号判别/生成模型，以及带无监督特征提取器者）大幅提升。所提模型可可视化与疾病高度相关的脑区，从而启发进一步的生物学研究。
引用
@article{arxiv.1712.06260,
title = {Deep Neural Generative Model of Functional MRI Images for Psychiatric Disorder Diagnosis},
author = {Takashi Matsubara and Tetsuo Tashiro and Kuniaki Uehara},
journal= {arXiv preprint arXiv:1712.06260},
year = {2019}
}
备注
accepted version, 12 pages