基于多视角特征增强的无源协同域自适应功能磁共振成像分析
计算机视觉与模式识别
2023-08-25 v1 人工智能
摘要
静息态功能磁共振成像(rs-fMRI)正日益用于多站点研究以辅助神经系统疾病分析。现有研究常受由扫描仪/协议差异等站点效应引起的显著跨站点/域数据异质性所困扰。已有许多方法被提出以减少源域与目标域间fMRI异质性，严重依赖源数据的可获取性。但在多站点研究中，由于隐私问题及/或数据存储负担，获取源数据颇具挑战。为此，我们设计了一种用于fMRI分析的无源协同域自适应(SCDA)框架，其中仅可访问预训练的源模型与无标签目标数据。具体而言，我们开发了多视角特征增强方法(MFE)用于目标fMRI分析，其由多个协同分支组成，从多视角动态捕获无标签目标数据的fMRI特征。每个分支含数据馈入模块、时空特征编码器与类别预测器。设计互一致性约束以鼓励这些分支生成的同一输入的潜特征间两两一致，从而实现鲁棒表示学习。为在无源数据下促进高效跨域知识迁移，我们使用预训练源模型参数初始化MFE。我们还引入一种无监督预训练策略，利用来自三个大规模辅助数据库的3806例无标签fMRI，旨在获得通用特征编码器。在三个公共数据集与一个私有数据集上的实验结果证明了我们的方法在跨扫描仪与跨研究预测任务中的有效性。基于大规模rs-fMRI数据预训练的模型已公开发布。
引用
@article{arxiv.2308.12495,
title = {Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis},
author = {Yuqi Fang and Jinjian Wu and Qianqian Wang and Shijun Qiu and Andrea Bozoki and Huaicheng Yan and Mingxia Liu},
journal= {arXiv preprint arXiv:2308.12495},
year = {2023}
}
备注
12 pages, 5 figures