Identificación de enfermedades cerebrales de múltiples sitios basadas en la descomposición de tensores y el...

Área de la Ciencia:

• La neurociencia
• La informática médica
• Aprendizaje automático

Sus antecedentes:

• Las enfermedades cerebrales plantean desafíos significativos para la salud, lo que requiere un diagnóstico temprano a través de modelos predictivos robustos.
• Las preocupaciones sobre la privacidad de los datos médicos y los silos de datos limitan el desarrollo de modelos de diagnóstico de alta calidad.
• Los estudios existentes en varios sitios a menudo no incorporan características privadas específicas del sitio, lo que dificulta un análisis exhaustivo.

Objetivo del estudio:

• Proponer un marco de descomposición de tensores y aprendizaje federado personalizado (TDPFL) para el reconocimiento de enfermedades cerebrales en múltiples sitios.
• Proteger la información demográfica sensible (edad, género, educación) durante el análisis de datos en varios sitios.
• Mejorar la precisión y la eficiencia del diagnóstico precoz de enfermedades cerebrales mediante el uso de datos integrados.

Principales métodos:

• Desarrolló un módulo de agregación de funciones duales en el servidor central para un intercambio eficiente de conocimientos entre sitios.
• Implementó una sucursal personalizada en el lado del cliente para salvaguardar datos demográficos privados.
• Utilizó un módulo de descomposición tensorial para extraer características de los datos del escaneo cerebral (rs-fMRI).
• Incorporó un módulo de agregación de prototipos dinámicos para capturar las características evolutivas del cerebro a lo largo del tiempo.

Principales resultados:

• El marco TDPFL demostró un rendimiento superior en comparación con los métodos de referencia.
• Logró una mejora del 4% en la precisión media de la clasificación en dos conjuntos de datos públicos de resonancia magnética funcional en seis sitios.
• Identificaron con éxito biomarcadores relacionados con la enfermedad cerebral específica del sitio, lo que ayuda al diagnóstico precoz.

Conclusiones:

• TDPFL ofrece una solución efectiva para el reconocimiento de enfermedades cerebrales en múltiples sitios que preservan la privacidad.
• El marco mejora la capacidad de capturar cambios cerebrales dinámicos, lo que conduce a una mayor precisión diagnóstica.
• Los biomarcadores identificados proporcionan información valiosa para la detección temprana y la comprensión de las enfermedades cerebrales.