基于离群点检测的使用纵向结构MRI的孤独症谱系障碍检测
图像与视频处理
2022-03-11 v2 计算机视觉与模式识别
机器学习
摘要
由于个体间存在广泛差异，使用临床评估（认知测试）诊断孤独症谱系障碍（ASD）具有挑战性。由于尚无有效治疗方法，及时且可靠的ASD诊断有助于有效制定治疗方案。本文通过离群点检测方法提出基于结构磁共振成像（sMRI）的ASD诊断。为学习结构脑连接中的时空模式，仅使用健康受试者的sMRI扫描训练生成对抗网络（GAN）。给定三张相邻切片作为输入，GAN生成器重建接下来的三张相邻切片；随后GAN判别器将ASD的sMRI扫描重建识别为离群点。该模型与另外两个基线——较简单的UNet和复杂的自注意力GAN（Self-Attention GAN）——进行比较。使用多站点ABIDE II数据集的轴向、冠状和矢状sMRI切片进行评估。大量实验表明，我们的ASD检测框架在训练数据少得多的情况下与最先进水平（state-of-the-art）性能相当。此外，纵向数据（每个受试者随时间的两次扫描）比横截面数据（每个受试者一次扫描）准确率高出17-28%。在其他发现中，用于模型训练以及重建损失计算的度量会影响检测性能，并且发现冠状模态最能编码用于ASD检测的结构信息。
引用
@article{arxiv.2202.09988,
title = {Outlier-based Autism Detection using Longitudinal Structural MRI},
author = {Devika K and Venkata Ramana Murthy Oruganti and Dwarikanath Mahapatra and Ramanathan Subramanian},
journal= {arXiv preprint arXiv:2202.09988},
year = {2022}
}