使用混合 GAN-CNN 方法从三维结构磁共振图像诊断双相情感障碍
图像与视频处理
2023-10-12 v1 计算机视觉与模式识别
机器学习
摘要
双相情感障碍（BD）是一种以反复出现的轻躁狂和抑郁周期为特征的精神疾病。由于 BD 的诊断依赖于长期的主观行为评估，基于客观标准的确切诊断并不容易。当前研究针对所述障碍，提出了一种混合 GAN-CNN 模型，从三维结构 MRI 图像（sMRI）诊断 BD。本研究的创新之处在于从 sMRI 样本而非功能 MRI（fMRI）、脑电图（EEG）和行为症状等传统数据集诊断 BD，同时消除了处理 sMRI 样本时通常遇到的数据不足问题。还使用 5 折交叉验证测试了不同增强比例的影响。基于结果，本研究获得了 75.8% 的准确率、60.3% 的灵敏度和 82.5% 的特异度，比先前工作高出 3-5%，而使用的样本量不到 6%。接下来，证明了基于 2D 层的 GAN 生成器能有效复现复杂的三维脑样本，这是一种比人工图像处理更直接的技术。最后，使用 172 个 sMRI 样本的当前研究的最佳增强阈值为 50%，显示了所述方法对更大型 sMRI 数据集的适用性。总之，证实了使用 GAN 的数据增强提高了基于 sMRI 样本的 CNN 分类器的准确率，从而开发了更可靠的决策支持系统，以协助从业者在更短时间内更可靠地识别 BD 患者。
引用
@article{arxiv.2310.07359,
title = {Diagnosing Bipolar Disorder from 3-D Structural Magnetic Resonance Images Using a Hybrid GAN-CNN Method},
author = {Masood Hamed Saghayan and Mohammad Hossein Zolfagharnasab and Ali Khadem and Farzam Matinfar and Hassan Rashidi},
journal= {arXiv preprint arXiv:2310.07359},
year = {2023}
}