多模态成像基因组变换模型：用于精神分裂症分类的影像与基因生物标志物注意力集成
计算机视觉与模式识别
2024-07-30 v1 人工智能
机器学习
神经元与认知
摘要
精神分裂症 (SZ) 是一种严重的脑部疾病，表现为多样化的认知功能障碍、脑结构和功能以及基因因素的异常。其复杂的症状与其他精神疾病的重叠性挑战了传统诊断方法，迫切需要先进系统来提高精确度。现有研究大多聚焦于影像数据，如结构和功能 MRI，用于 SZ 诊断。尽管基因特征在识别可遗传的 SZ 特征方面具有潜力，但其集成研究仍较少。本 study 引入一种多模态成像基因组变换模型 (MIGTrans)，该模型能注意力地整合基因组与结构和功能影像数据，以捕捉与 SZ 相关的神经解剖和连接网 abnormalities。MIGTrans 在 SZ 分类任务中实现了提升的分类性能，准确率达 86.05% (±0.02)，并提供清晰的解释，识别出与 SZ 相关的显著基因位点和脑形态/连接模式。
引用
@article{arxiv.2407.19385,
title = {Multi-modal Imaging Genomics Transformer: Attentive Integration of Imaging with Genomic Biomarkers for Schizophrenia Classification},
author = {Nagur Shareef Shaik and Teja Krishna Cherukuri and Vince D. Calhoun and Dong Hye Ye},
journal= {arXiv preprint arXiv:2407.19385},
year = {2024}
}
备注
Accepted for presentation at the AI for Imaging Genomic Learning (AIIG) Workshop, MICCAI 2024