通过整合图基规范模型和深度生成网络解析发展障碍中altered大脑连接性
神经元与认知
2024-11-19 v2 人工智能
定量方法
摘要
发生发展障碍的行为和认知症状被认为与大脑连接性的差异有关。量化大脑连接模式与发育正常模式之间的差异，为诊断和治疗干预提供了有前景的途径。虽然扩散磁共振成像(dMRI)等先进神经影像技术已促进了大脑结构连接组图谱的绘制，但在这些复杂网络结构中准确建模发育轨迹以创建稳健的神经发育偏离标记物的挑战仍然存在。本文提出了脑干表示通过个性化深度生成嵌入(BRIDGE)框架，将规范模型与受生物启发的深度生成模型相集成，以创建神经典型发育中连接性转化的参考轨迹，从而实现对神经发育偏离的评估。BRIDGE基于连接性大脑年龄与年龄差异，提供全局神经发育偏离评分，并生成区域性神经发育偏离图谱，以突出局部连接差异。将BRIDGE应用于大型自闭谱系儿童队列后，发现全局神经发育偏离评分与自闭症的临床评估呈相关性，区域图谱为神经发育障碍中个体层面的异质性提供了洞见。总的来说，神经发育偏离评分和图谱构成量化连接模式发育偏离的强大工具，推动了针对各种临床情境下个性化诊断和干预的影像标记物的发展。
引用
@article{arxiv.2410.11064,
title = {Parsing altered brain connectivity in neurodevelopmental disorders by integrating graph-based normative modeling and deep generative networks},
author = {Rui Sherry Shen and Yusuf Osmanlıoğlu and Drew Parker and Darien Aunapu and Benjamin E. Yerys and Birkan Tunç and Ragini Verma},
journal= {arXiv preprint arXiv:2410.11064},
year = {2024}
}