Transformer complejo basado en wavelet para el diagnóstico de trastornos del neurodesarrollo mediante el modelado...

Área de la Ciencia:

• Neuroimagen y Neurociencia Computacional
• Dinámica Cerebral y Análisis Espectral

Sus antecedentes:

• La resonancia magnética funcional en estado de reposo (rs-fMRI) revela la actividad intrínseca del cerebro, crucial para comprender los trastornos cerebrales.
• Los análisis convencionales en el dominio de la frecuencia (por ejemplo, la transformada de Fourier) luchan con señales no estacionarias y a menudo ignoran los componentes espectrales complejos (partes real/imaginaria).

Objetivo del estudio:

• Desarrollar un marco novedoso basado en Transformer para el análisis de rs-fMRI que modele explícitamente ambos componentes, real e imaginario, de los datos espectrales.
• Mejorar la clasificación diagnóstica para el trastorno del espectro autista (TEA) y el trastorno por déficit de atención e hiperactividad (TDAH) aprovechando la información espectral infrautilizada.

Principales métodos:

• Se propuso una arquitectura Transformer que integra módulos de atención espectral, temporal y espacial para modelar los componentes real e imaginario de los coeficientes de la Transformada Wavelet Continua (CWT) de rs-fMRI.
• Se utilizaron mecanismos de autoatención y de atención cruzada para el análisis conjunto de las relaciones intra e intercomponentes.
• Se validó el marco en los conjuntos de datos Autism Brain Imaging Data Exchange (ABIDE)-I y ADHD-200.

Principales resultados:

• Se logró un rendimiento de clasificación de vanguardia para TEA y TDAH en comparación con los métodos existentes.
• Los estudios de ablación confirmaron los beneficios de usar componentes reales e imaginarios sobre las características convencionales y validaron las contribuciones individuales de los módulos.
• Los análisis basados en atención identificaron patrones específicos de frecuencia y región que se alinean con las alteraciones neurobiológicas conocidas en TEA y TDAH.

Conclusiones:

• El modelado conjunto de los componentes real e imaginario de los datos de rs-fMRI basados en CWT mejora el rendimiento diagnóstico para los trastornos del neurodesarrollo.
• El marco Transformer propuesto ofrece información interpretable sobre la neurobiología del TEA y el TDAH al resaltar patrones espectrales y espaciales específicos.