利用脑分区先验挖掘 fMRI 动态特征用于脑疾病诊断
图像与视频处理
2023-05-08 v1 神经元与认知
摘要
为刻画疾病下非典型的脑动态特征，现有研究多基于功能磁共振成像（fMRI）展开。然而，大多数现有分析将丰富的时空信息压缩为脑功能网络（BFNs），并在无关于功能子网络的神经学先验下直接研究全脑网络。为此，我们提出一种新颖的图学习框架，利用来自脑分区的拓扑先验挖掘 fMRI 信号以进行疾病诊断。具体而言，我们 1）使用“Transformer”检测与诊断相关的时间特征以构建更高层次的 BFN，并随后用图卷积网络处理；2）采用基于注意力的多示例学习策略以强调受疾病影响的子网络，从而进一步提升诊断性能与可解释性。实验表明，在早中期轻度认知障碍诊断中，我们的方法比对比方法更有效。更重要的是，我们的方法能够在诊断过程中定位关键脑子网络，为轻度认知障碍的致病源头提供见解。
引用
@article{arxiv.2305.03061,
title = {Mining fMRI Dynamics with Parcellation Prior for Brain Disease Diagnosis},
author = {Xiaozhao Liu and Mianxin Liu and Lang Mei and Yuyao Zhang and Feng Shi and Han Zhang and Dinggang Shen},
journal= {arXiv preprint arXiv:2305.03061},
year = {2023}
}
备注
5 pages, 2 figures, conference paper, accepted by IEEE International Symposium on Biomedical Imaging (ISBI) 2023