利用解耦 VAE 融合结构与功能连接以检测轻度认知障碍
图像与视频处理
2023-08-22 v2 计算机视觉与模式识别
神经元与认知
摘要
脑网络分析是研究人类脑疾病的有用方法，因为它可通过检测异常连接区分患者与健康人。由于多模态神经影像的互补信息，多模态融合技术在提升预测性能方面具很大潜力。然而，有效融合多模态医学图像以实现互补仍具挑战性。本文提出一种新颖的分层结构-功能连接融合（HSCF）模型，基于功能磁共振成像（fMRI）与扩散张量成像（DTI）构建脑结构-功能连接矩阵并预测异常脑连接。具体而言，将先验知识引入分离器，通过图卷积网络（GCN）解耦各模态信息。并设计了解耦余弦距离损失以确保解耦有效性。此外，设计分层表征融合模块以有效最大化模态间相关且有效特征的组合，使生成的结构-功能连接在认知疾病分析中更鲁棒且具判别性。在公共阿尔茨海默病神经影像倡议（ADNI）数据库上的广泛测试结果表明，所提模型在分类评估上优于对比方法。总体而言，所提 HSCF 模型是一种有前景的模型，可用于生成脑结构-功能连接并识别认知疾病进展中的异常脑连接。
引用
@article{arxiv.2306.09629,
title = {Fusing Structural and Functional Connectivities using Disentangled VAE for Detecting MCI},
author = {Qiankun Zuo and Yanfei Zhu and Libin Lu and Zhi Yang and Yuhui Li and Ning Zhang},
journal= {arXiv preprint arXiv:2306.09629},
year = {2023}
}
备注
4 figures