超图卷积网络用于阿尔茨海默病的纵向数据分析
Xiaoke Hao1, Jiawang Li1, Mingming Ma1
1School of Artificial Intelligence, Hebei University of Technology, Tianjin, 300401, China.
Computers in biology and medicine
|December 2, 2023
概括
这项研究引入了一种新的加权超图卷积网络 (WHGCN),用于使用纵向MRI扫描检测阿尔茨海默病 (AD). 通过考虑时间数据特征和主体关系,WHGCN方法提高了诊断准确性.
科学领域:
- 神经成像是一种神经成像.
- 机器学习 机器学习
- 神经学 神经学
背景情况:
- 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病.
- 纵向结构磁共振成像 (sMRI) 对于跟踪AD至关重要.
- 当前的方法往往忽略了纵向数据中的时间动态.
研究的目的:
- 开发一种使用纵向sMRI数据检测阿尔茨海默病的新方法.
- 将时间相关性和高级主体关系纳入AD诊断.
- 与现有方法相比,提高AD检测的性能.
主要方法:
- 提出了一个加权超图卷积网络 (WHGCN).
- 使用K-最近邻居 (KNN) 构建时间点特定的超图.
- 考虑到时间意义的合并超图和应用超图卷积用于特征学习和维度减少.
主要成果:
- 实现了更高的阿尔茨海默病检测性能.
- 从ADNI数据库中对518名受试者证明了WHGCN的有效性.
- 展示了提高对阿尔茨海默病变的理解的潜力.
结论:
- WHGCN方法为阿尔茨海默病的检测提供了更高的准确性.
- 这种方法有效地利用sMRI数据中的时间信息和复杂的主体关系.
- WHGCN对推动AD研究和临床诊断具有前景.
更多相关视频
08:43Application of Granger Causality Analysis of the Directed Functional Connection in Alzheimer's Disease and Mild Cognitive Impairment
Published on: August 7, 2017
7.9K
09:38Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease
Published on: November 14, 2017
14.9K
