利用递归图fMRI时间序列嵌入的轻度认知障碍检测
计算机视觉与模式识别
2023-12-01 v1
摘要
人脑可被概念化为一个动力学系统。利用静息态fMRI时间序列成像，我们可在指定的感兴趣区域(ROIs)研究潜在动力学以理解其结构或结构缺失。这种差异性行为可能是理解神经退行性变以及区分健康受试者与轻度认知障碍(MCI)受试者的关键。在本研究中，我们考虑源自Dosenbach模板的6个脑网络，覆盖160余个ROIs，其中每个网络由25-30个ROIs组成。递归图被广泛用于理解时间序列的演化。每个ROI处的代表性时间序列被转换为其对应的递归图可视化，随后通过自动编码器浓缩为低维特征嵌入。所提方法的性能在来自公开可用ADNI数据集的100名受试者（平衡数据）的fMRI体积上得到展示。结果表明，在6个脑网络中峰值分类准确率达93%，平均准确率为89.3%，从而展示了该方法的前景。
引用
@article{arxiv.2311.18265,
title = {MCI Detection using fMRI time series embeddings of Recurrence plots},
author = {Ninad Aithal and Chakka Sai Pradeep and Neelam Sinha},
journal= {arXiv preprint arXiv:2311.18265},
year = {2023}
}
备注
4 pages, 5 figures