用于建模神经病理生理异质性的循环神经网络中的人口统计学引导注意力
机器学习
2021-04-16 v1 计算机视觉与模式识别
图像与视频处理
定量方法
应用统计
摘要
神经系统疾病的异质性表现提示大脑中潜在的病理生理变化可能存在差异。我们提出使用人口统计学引导注意力（DGA）机制对功能性网络差异的异质模式进行建模，该机制用于基于功能性磁共振成像（fMRI）时间序列数据进行预测的循环神经网络模型。由 DGA 头计算的上下文用于根据个体人口统计学信息帮助聚焦于适当的功能性网络。我们在已发表研究中使用的 ABIDE I 数据集的 3 个子集上展示了改进的分类效果，这些子集此前已产生最先进的结果，并在留一站点交叉验证框架下评估性能，以更好地泛化到新数据。最后，我们提供了基于个体人口统计学变量解释功能性网络差异的示例。
引用
@article{arxiv.2104.07654,
title = {Demographic-Guided Attention in Recurrent Neural Networks for Modeling Neuropathophysiological Heterogeneity},
author = {Nicha C. Dvornek and Xiaoxiao Li and Juntang Zhuang and Pamela Ventola and James S. Duncan},
journal= {arXiv preprint arXiv:2104.07654},
year = {2021}
}
备注
MLMI 2020 (MICCAI Workshop)