使用神经网络分类器进行神经成像特征提取,用于成像遗传学

科学领域:

• 神经科学是一个神经科学.
• 遗传学 遗传学 是一个
• 机器学习 机器学习

背景情况:

• 神经成像和遗传数据的高维度对关联研究提出了挑战.
• 神经网络显示出神经成像中预测建模的前景.
• 预测阿尔茨海默病 (AD) 需要整合各种数据类型.

研究的目的:

• 开发一个神经成像遗传管道用于AD预测.
• 使用神经网络从神经成像数据中提取与疾病相关的特征.
• 将这些特征与遗传数据联系起来,以提高疾病的理解.

主要方法:

• 使用神经网络分类器从神经成像数据中进行数据驱动的特征提取.
• 用贝叶斯先验的多变量回归用于遗传关联分析.
• 该管道整合了图像处理,特征提取和遗传关联.

主要成果:

• 通过拟议方法提取的特征表明,与现有方法相比,AD的预测能力更强.
• 神经成像-遗传管道确定了与AD相关的新型单核酸多态 (SNP).
• 与以前的特征集相比,发现了重叠和独特的SNP.

结论:

• 拟议的管道有效地结合了机器学习和贝叶斯统计数据,以获得强大的遗传关联.
• 自动特征提取比传统的兴趣区域或语音分析具有优势.
• 这种方法可以发现与疾病相关的新型SNP,这些SNP可能会被传统方法遗漏.