通过掩码编码学习皮层异常用于无监督异质性映射
图像与视频处理
2024-02-14 v3 计算机视觉与模式识别
摘要
由于症状的复杂性和缺乏可靠的生物标志物，基于脑部读数的异质性精神障碍检测仍然具有挑战性。本文介绍了 CAM（通过掩码图像建模进行皮层异常检测），这是一种新颖的自监督框架，旨在利用皮层表面特征进行复杂脑部疾病的无监督检测。我们采用该框架检测精神病谱系个体，并展示了其与最先进方法相比的能力，在无需任何标签的情况下，对分裂情感性障碍的 AUC 达到 0.696，对精神分裂样障碍的 AUC 达到 0.769。此外，对非典型皮层区域（包括常与精神分裂症相关的三角部和几个额叶区域）的分析，进一步增强了我们方法的可信度。总之，我们展示了一种基于皮层异常进行复杂脑部疾病异常检测的可扩展方法。代码将在 https://github.com/chadHGY/CAM 上提供。
引用
@article{arxiv.2312.02762,
title = {Learning Cortical Anomaly through Masked Encoding for Unsupervised Heterogeneity Mapping},
author = {Hao-Chun Yang and Ole Andreassen and Lars Tjelta Westlye and Andre F. Marquand and Christian F. Beckmann and Thomas Wolfers},
journal= {arXiv preprint arXiv:2312.02762},
year = {2024}
}
备注
5 pages, LaTeX; typos corrected, introduction refined