神经发育表型预测：一种前沿深度学习模型
计算机视觉与模式识别
2022-11-17 v1 机器学习
摘要
医学图像分析中的一个主要挑战是从神经影像数据中自动检测生物标志物。传统方法通常基于图像配准，在捕捉个体间皮层组织的高变异性方面存在局限。深度学习方法已被证明能成功克服这一困难，其中一些在特定数据集上甚至超越了医学专业人员。本文中，我们应用深度神经网络分析新生儿的皮层表面数据，这些数据源自公开可用的 Developing Human Connectome Project（dHCP）。我们的目标是基于这些生物标志物识别神经发育标志物并预测出生时的胎龄。利用在足月等效年龄附近获取的早产新生儿扫描，我们得以研究早产对妊娠晚期皮层生长和成熟的影响。除了达到最先进的预测精度外，所提模型的参数量远少于基线模型，并且其在未配准和已配准皮层表面上的误差均保持较低。
引用
@article{arxiv.2211.08831,
title = {Neurodevelopmental Phenotype Prediction: A State-of-the-Art Deep Learning Model},
author = {Dániel Unyi and Bálint Gyires-Tóth},
journal= {arXiv preprint arXiv:2211.08831},
year = {2022}
}
备注
11 pages, 3 figures, accepted for ML4H 2022