评估动态时间扭曲功能连接的ASD分类的预测能力

科学领域:

• 神经成像是一种神经成像.
• 机器学习 机器学习
• 发育神经科学的发展神经科学.

背景情况:

• 功能连接性MRI (fcMRI) 测量大脑区域的相关性,使用血氧水平依赖 (BOLD) 信号.
• 传统的皮尔森相关性 (PC) 假设BOLD信号之间没有时间滞后,可能缺少复杂的时间动态.
• 自闭症谱系障碍 (ASD) 诊断可以从先进的神经成像分析技术中受益.

研究的目的:

• 为了评估动态时间扭曲 (DTW) fcMRI作为PC fcMRI的替代品来分类ASD.
• 使用机器学习模型比较DTW fcMRI和PC fcMRI的预测性能.
• 在神经成像研究中研究机器学习模型的最佳交叉验证策略.

主要方法:

• 采集使用PC和DTW测量的fcMRI数据.
• 在ASD分类中使用了具有尺寸缩小技术 (例如主要组件分析) 的机器学习模型.
• 评估了各种交叉验证 (CV) 方法,包括在CV中嵌入K折叠.

主要成果:

• 与PC fcMRI相比,DTW fcMRI在与尺寸缩小相结合时显示出更好的预测能力.
• 与PC fcMRI相比,DTW fcMRI捕获了不同的,可能互补的功能连接模式.
• 嵌套的K-fold在留下一个-outCV提供了对小样本大小的性能和计算效率的竞争平衡.

结论:

• DTW fcMRI是分析大脑连接的有希望的替代方案,并有可能改善ASD分类.
• DTW fcMRI提供了PC fcMRI的补充信息,需要进一步调查.
• 优化的交叉验证策略对于神经成像研究中强大的机器学习模型开发至关重要.