基于特征基交叉扩散与热迹追踪的多尺度脑多图分析用于脑状态刻画
计算机视觉与模式识别
2020-09-25 v1
摘要
个体大脑可视为一个高度复杂的多图（即一组图，亦称连接组），其中每个图表示脑区（节点）两两关系（如功能或形态）的独特连接视角。由于其多重复杂性，理解脑疾病如何不仅改变脑图的单一视角，而且在个体与群体尺度上改变其多图表示，仍是刻画脑连接性以最终厘清广泛脑状态谱（例如健康与失调）最具挑战的障碍之一。本工作中，我们在谱图理论与扩散模型领域交叉融合，前所未有地提出一种基于特征基的交叉扩散策略，用于多图脑整合、比较与刻画。具体而言，我们首先设计一种由特征向量中心性引导的脑多图融合模型，以在交叉扩散过程中依赖于最中心节点。接下来，由于图谱编码了其形状（或几何），仿佛人们能听出图的形状，我们首次通过在多个扩散时间尺度上提取其对应拉普拉斯矩阵的紧凑热迹签名来刻画融合多图。在此，我们首次揭示了源自 T1 加权磁共振成像（MRI）的形态脑多图的自闭症与健康画像，并展示了其与最先进方法相比在提升未见样本分类中的可区分性。本研究朝向聆听脑多图形状迈出了第一步，该形状可被用于刻画与厘清共病性神经疾患，从而推进精准医学。
引用
@article{arxiv.2009.11534,
title = {Multi-Scale Profiling of Brain Multigraphs by Eigen-based Cross-Diffusion and Heat Tracing for Brain State Profiling},
author = {Mustafa Saglam and Islem Rekik},
journal= {arXiv preprint arXiv:2009.11534},
year = {2020}
}