专家知识结合AI在基于静息态fMRI的癫痫发作起始区定位中优于单独AI
计算机视觉与模式识别
2024-01-19 v1
摘要
我们评估了在静息态功能磁共振成像（rs-fMRI）连接组学上整合专家对癫痫发作起始区（SOZ）识别的指导，并结合深度学习（DL）技术，是否比单独使用DL更能改善难治性癫痫（RE）患者的SOZ描绘。从52名RE儿童收集rs-fMRI，这些儿童随后接受了ic-EEG，并在指征时进行手术以控制癫痫发作（n=25）。静息态功能连接组学数据先前已由两名专家癫痫学家独立分类为测量噪声、典型静息态网络连接或SOZ。一个专家知识集成的深度网络在功能连接组学数据上训练以识别SOZ。专家知识与DL整合显示出84.8%的SOZ定位准确率和91.7%的F1分数（阳性预测值与灵敏度的调和平均）。相反，仅DL模型产生的准确率低于50%（F1分数63%）。始于灰质、穿过白质并终止于血管区域的激活被视为最具判别力的专家识别SOZ特征。功能连接组学专家知识的整合不仅能提升DL在RE中定位SOZ的性能，还能对SOZ中普遍的共同激活模式提供潜在有用的解释。具有手术结果和术前rs-fMRI研究的RE可产生对SOZ识别最显著的专家知识。
引用
@article{arxiv.2312.09360,
title = {The Expert Knowledge combined with AI outperforms AI Alone in Seizure Onset Zone Localization using resting state fMRI},
author = {Payal Kamboj and Ayan Banerjee and Varina L. Boerwinkle and Sandeep K. S. Gupta},
journal= {arXiv preprint arXiv:2312.09360},
year = {2024}
}
备注
Accepted in Frontiers in Neurology journal, section Artificial Intelligence