基于分层原型嵌入GCN利用T1-MRI构建动态结构脑网络
计算机视觉与模式识别
2023-05-18 v1
摘要
由于缺乏直接的区域连接信息，利用T1加权磁共振成像（T1-MRI）构建结构脑网络是一项重大挑战。当前使用T1-MRI的方法依赖于预定义区域或孤立的预训练位置模块来获取萎缩区域，这忽略了个体的特异性。此外，现有方法仅在整图级别捕获全局结构上下文，这削弱了区域间的相关性与脑连接的分层分布特性。我们在此提出一种基于T1-MRI的新型动态结构脑网络构建方法，该方法能够动态定位关键区域并约束它们之间的分层分布，以构建动态结构脑网络。具体而言，我们首先聚类空间相关通道，并生成若干关键脑区域作为原型。进一步，我们引入对比损失函数来约束原型分布，将分层大脑语义结构嵌入到潜在空间中。然后，分别使用自注意力机制和GCN动态构建关键区域的分层相关性以形成脑网络，并探索其相关性。我们的方法在ADNI-1和ADNI-2数据库上进行了轻度认知障碍（MCI）转化预测评估，并取得了最先进的（SOTA）性能。我们的源代码可在 http://github.com/******* 获取。
引用
@article{arxiv.2305.10077,
title = {Dynamic Structural Brain Network Construction by Hierarchical Prototype Embedding GCN using T1-MRI},
author = {Yilin Leng and Wenju Cui and Chen Bai and Zheng Yanyan and Jian Zheng},
journal= {arXiv preprint arXiv:2305.10077},
year = {2023}
}
备注
11 pages,3 figures,conference