Principio de Núcleo-Periferia Guiado Modelo de Espacio de Estados para Clasificación de Conectoma Funcional | JoVE Visualize

Área de la Ciencia:

Neurociencia
Neurociencia Computacional
Imagenología Médica

Sus antecedentes:

La organización de la red cerebral humana es clave para comprender la función cerebral y diagnosticar trastornos neurológicos.
El análisis de conectividad funcional utilizando fMRI y aprendizaje automático está avanzando, pero enfrenta limitaciones.
El aprendizaje automático tradicional tiene dificultades con relaciones complejas, mientras que los modelos de aprendizaje profundo como los Transformers tienen altos costos computacionales.

Objetivo del estudio:

Desarrollar un marco eficiente y efectivo para la clasificación del conectoma funcional.
Abordar las limitaciones de los modelos existentes de aprendizaje automático y aprendizaje profundo en el análisis de redes cerebrales.
Mejorar el diagnóstico de trastornos neurológicos a través del análisis avanzado de neuroimagen.

Principales métodos:

Se propuso un Modelo de Espacio de Estados Núcleo-Periferia (CP-SSM) para la clasificación del conectoma funcional.
Se integró Mamba, un modelo de espacio de estados selectivo con complejidad lineal, para capturar dependencias a largo plazo en redes cerebrales.
Se desarrolló CP-MoE, una mezcla de expertos guiada por núcleo-periferia, para mejorar el aprendizaje de representaciones de patrones de conectividad.

Principales resultados:

CP-SSM demostró un rendimiento de clasificación superior en comparación con los modelos basados en Transformer en los conjuntos de datos de fMRI ABIDE y ADNI.
El modelo propuesto redujo significativamente la complejidad computacional.
Capturó eficazmente las dependencias a largo plazo y mejoró el aprendizaje de representaciones en redes cerebrales funcionales.

Conclusiones:

CP-SSM ofrece una solución efectiva y computacionalmente eficiente para modelar la conectividad funcional cerebral.
El marco muestra una promesa significativa para el diagnóstico de enfermedades neurológicas basado en neuroimagen.
El estudio proporciona un enfoque novedoso para analizar datos complejos de redes cerebrales.