基于 fMRI 预测 ASD 严重程度与治疗结果
神经元与认知
2018-10-30 v1 应用统计
摘要
自闭症谱系障碍(ASD)是一种复杂的神经发育综合征。早期诊断与精准治疗对 ASD 患者至关重要。尽管研究者已构建诸多分析模型,在用于早期诊断的准确预测模型方面进展有限。本项目中,我们旨在构建准确模型,从早期功能磁共振成像(fMRI)扫描预测治疗结果与 ASD 严重程度。建立已接受特定治疗的患者大型数据库之困难,以及医学图像分析问题的高维性,是此项工作的挑战。我们提出一种用于医学图像分析高维回归问题的通用且准确的二级方法。首先,我们利用预定义脑区划分进行区域级特征选择。基于脑内同一区域内体素取值相似的假设,我们对每个区域使用其内部体素的 bootstrap 均值作为特征。如此,数据维度从体素数量降至区域数量。随后我们通过多种特征选择方法检测预测性区域。其次,我们提取所选区域内的体素,并进行体素级特征选择。为在训练样本有限下将该模型用于线性与非线性情形,我们分别应用二级弹性网络回归与随机森林(RF)模型。为验证该方法的准确性与鲁棒性,我们在任务态 fMRI 与静息态 fMRI 数据集上进行了实验。此外,我们可视化了各区域的影响,并显示结果与其他发现吻合良好。
引用
@article{arxiv.1810.11891,
title = {Prediction of severity and treatment outcome for ASD from fMRI},
author = {Juntang Zhuang and Nicha C. Dvornek and Xiaoxiao Li and Pamela Ventola and James S. Duncan},
journal= {arXiv preprint arXiv:1810.11891},
year = {2018}
}