融合大脑功能连接网络和边缘注意力图形卷积网络用于纤维肌痛综合征诊断

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 类风湿病学 类风湿病学

背景情况:

• 纤维肌痛综合征 (FMS) 呈现复杂的临床症状,使得准确的诊断具有挑战性.
• 需要自动诊断工具来帮助医生识别FMS.
• 休息状态功能磁共振成像 (rs-fMRI) 的大脑功能连接网络 (BFCNs) 显示出疾病识别的前景.

研究的目的:

• 开发和评估一种新的纤维肌痛综合征 (FMS) 自动诊断模型.
• 利用大脑功能连接网络 (BFCNs) 和图形卷积网络 (GCNs) 来改进FMS检测.

主要方法:

• 开发了一种新的融合BFCN方法,结合了皮尔森的相关性 (PC) 和低级别 (LR) 技术.
• 图形构建结合了BFCN特征和非图像主体数据,利用边缘注意.
• 图形卷积网络 (GCN) 用于最终的FMS分类.

主要成果:

• 拟议的模型在内部的FMS数据集上实现了82.48%的准确性.
• 与最先进的竞争方法相比,该方法显示出更高的性能.
• 合并的BFCN方法有效地保留了信息,同时减少了数据冗余.

结论:

• 开发的基于GCN的模型显示了准确和自动化的FMS诊断的巨大潜力.
• 将合并的BFCN与非图像数据集成为神经系统疾病检测提供了一个强大的策略.
• 这种方法可以帮助临床医生及时准确地识别纤维肌痛综合征.