精神疾患の深層学習および大規模言語モデルを用いたデュアル表現構造MRI分類

科学分野:

• 神経画像;人工知能;精神医学

背景:

• 統合失調症と双極性障害の正確な鑑別は、症状の重複と微妙な神経解剖学的違いのため困難である。;現在の診断方法は主観的であり、客観的なバイオマーカーを欠くことがある。;構造MRIは客観的な評価の可能性を提供するが、高度な分析技術を必要とする。

主な方法:

• 生T1強調MRIスライスとカラーコード化組織セグメンテーションマップを解析するデュアル表現フレームワークを利用した。;特徴抽出のために、独立に訓練された2つのResNet-18畳み込みニューラルネットワーク（CNN）を採用した。;103人の被験者（健常対照、統合失調症スペクトラム、精神病を伴う双極性障害、精神病を伴わない双極性障害の4群）のデータセットに転移学習（TL）およびドメイン適応（DA）技術を適用した。;CNN出力の後解析および解釈のために大規模言語モデル（LLM）を統合した。

結論:

• 提案されたデュアル表現フレームワークは、精神疾患における診断分類精度を向上させる。;深層学習とLLM解釈性の組み合わせは、透明で情報量の多い精神神経画像ツールの有望な道を提供する。;このアプローチは、より客観的で信頼性の高い精神診断をサポートする可能性がある。