使用深度神经网络在静止状态的功能连接中发现个别指纹

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 休息状态功能性MRI (rfMRI) 分析的个体间差异存在挑战.
• 识别独特的大脑模式对于理解大脑功能至关重要.

研究的目的:

• 使用深度神经网络 (DNN) 用于使用rfMRI进行个人识别.
• 开发一种用于捕捉个体特定的大脑连接模式的方法.

主要方法:

• 利用一个深度神经网络 (DNN) 在人类连接组项目rfMRI数据上进行训练.
• 从时间变化的功能连接 (FC) 学习的特征用于个人识别.
• 提出了使用非线性隐藏层的"FC指纹" (fpFC).

主要成果:

• 成功识别出具有较低错误率的个体 (300个个体中有2.9%,870个个体中有6.7%).
• fpFCs在各种时间窗口中展示了共同的和个体特定的FC边缘.
• 在独立数据集上验证模型实用性,证实转移学习的可行性.

结论:

• 基于rfMRI功能连接,DNN可以有效地识别个人.
• "FC的指纹" (fpFC) 代表了一种新的方法来表征个体大脑的独特性.
• 这种技术提供了对内在大脑模式的洞察力,并有可能用于临床应用.