从连接组指纹到任务诱发指纹：基于静息态功能连接的个体化任务对比预测
机器学习
2020-08-10 v1 神经元与认知
机器学习
摘要
静息态功能磁共振成像（rsfMRI）产生的功能连接组可作为个体的认知指纹。连接组指纹已被证明在许多机器学习任务中有用，例如预测受试者特定的行为特征或任务诱发活动。在这项工作中，我们提出一种基于表面的卷积神经网络（BrainSurfCNN）模型，从其静息态指纹预测个体的任务对比。我们引入了一种重构-对比损失，在最小化预测误差的同时强化模型输出的受试者特异性。所提出的方法相比成熟的基线显著提高了预测对比的精度。此外，在受试者识别任务中，BrainSurfCNN 的预测也超越了重测基准。
引用
@article{arxiv.2008.02961,
title = {From Connectomic to Task-evoked Fingerprints: Individualized Prediction of Task Contrasts from Resting-state Functional Connectivity},
author = {Gia H. Ngo and Meenakshi Khosla and Keith Jamison and Amy Kuceyeski and Mert R. Sabuncu},
journal= {arXiv preprint arXiv:2008.02961},
year = {2020}
}
备注
Accepted to MICCAI 2020