利用卷积神经网络建模T1静息态MRI变体以诊断强迫症

Tarun Eswar

利用卷积神经网络建模T1静息态MRI变体以诊断强迫症

神经元与认知 2023-08-08 v2 计算机视觉与模式识别机器学习图像与视频处理

作者: Tarun Eswar

摘要

强迫症(OCD)是一种高度致残的疾病。该疾病与前额叶皮层及名为代谢型谷氨酸受体5(mGluR5)的谷氨酸受体常有相关性。已有观察通过小鼠的分布体积比测得正电子发射断层扫描显示该受体信号水平升高。尽管有此证据,研究仍无法完全验证mGluR5的参与,因需更多经验数据。计算方法被用作验证先前涉及mGluR5的假设的手段。关于OCD因果因素的不足,通过利用精神分裂症、重性抑郁障碍和强迫症患者的T1静息态磁共振成像(TRS-MRI)扫描得以解答。由于共病案例常发生于这些障碍中,交叉比较能力对于发现区分性特征必不可少。构建并评估了二维卷积神经网络以及ResNet50和MobileNet模型的有效性。输出了TRS-MRI扫描的激活热图,从而允许转录组学分析。然而,缺乏预测OCD病例的能力阻碍了基因表达分析。在所有模型中,在ResNet50框架及新颖计算下,MDD验证准确率为88.75%,SZD验证准确率为82.08%。OCD准确率约为54.4%。这些结果为精神疾病的p因子理论提供了进一步证据。未来工作包括应用不同于本文的替代迁移学习网络以提升准确率。

关键词

强迫症 T1静息态MRI 卷积神经网络 ResNet50 MobileNet 诊断建模

引用

@article{arxiv.2306.12435,
  title  = {Modeling T1 Resting-State MRI Variants Using Convolutional Neural Networks in Diagnosis of OCD},
  author = {Tarun Eswar},
  journal= {arXiv preprint arXiv:2306.12435},
  year   = {2023}
}

备注

9 pages, 13 figures

利用卷积神经网络建模T1静息态MRI变体以诊断强迫症

摘要

关键词

引用

备注

相关论文