基于结构 MRI 的混合表示学习用于晚年抑郁五年认知诊断
图像与视频处理
2022-12-27 v1 计算机视觉与模式识别
摘要
晚年抑郁（LLD）是发生于老年人中高度普遍的情绪障碍，常伴随认知障碍（CI）。研究表明 LLD 可能增加阿尔茨海默病（AD）的风险。然而，老年抑郁表现形式的异质性表明其背后可能存在多种生物学机制。当前关于 LLD 进展的生物学研究结合了将神经影像数据与临床观察相融合的机器学习。基于结构 MRI（sMRI）的 LLD 中偶发性认知诊断结果的研究很少。在本文中，我们描述了一种基于 T1 加权 sMRI 数据预测五年认知诊断的混合表示学习（HRL）框架的开发。具体而言，我们首先通过深度神经网络提取面向预测的 MRI 特征，然后通过 Transformer 编码器将其与手工 MRI 特征整合以进行认知诊断预测。本工作研究了两项任务，包括（1）识别患有 LLD 的认知正常受试者与从未抑郁的老年健康受试者，以及（2）识别五年内发展为 CI（甚至 AD）的 LLD 受试者与保持认知正常的受试者。据我们所知，这是基于任务导向和手工 MRI 特征研究 LLD 复杂异质性进展的首批尝试之一。我们在来自两项临床协调研究的 294 名受试者的 T1 加权 MRI 上验证了所提出的 HRL。实验结果表明，在 LLD 识别和预测任务中，HRL 优于几种经典机器学习和最先进的深度学习方法。
引用
@article{arxiv.2212.12810,
title = {Hybrid Representation Learning for Cognitive Diagnosis in Late-Life Depression Over 5 Years with Structural MRI},
author = {Lintao Zhang and Lihong Wang and Minhui Yu and Rong Wu and David C. Steffens and Guy G. Potter and Mingxia Liu},
journal= {arXiv preprint arXiv:2212.12810},
year = {2022}
}