大脑结构连接引导视觉转换器用于识别早产新生儿的功能连接特征

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 早产是幼儿死亡的主要原因,导致显著的短期和长期健康问题.
• 新生儿神经发育很快,使得早产婴儿容易发生功能性脑部变化.
• 以前用于识别这些变化的方法的诊断准确性有限.

研究的目的:

• 开发一种更准确的方法来识别新生儿的功能连接差异.
• 改善早产婴儿的诊断和治疗策略.
• 根据大脑连接,区分早产儿,早产后有早期经验的早产儿和长期新生儿.

主要方法:

• 提出了一个新的大脑结构连接 (SC) 引导视觉转换器 (SCG-ViT) 模型.
• 为SC/FC矩阵定义了一个新的补丁令牌,使用SC作为面具,专注于相关的FC信息.
• 利用了来自开发人类结合体项目 (dHCP) 的437个新生儿大脑的多模态MRI数据.

主要成果:

• 与基线模型相比,SCG-ViT表现出优越的分类性能.
• 该模型成功地在三个新生儿群体中确定了不同的功能连接 (FC) 模式.
• 识别的FC差异与差异性基因表达模式有显著的相关性.

结论:

• 通过深度学习,SCG-ViT提供了一种强大的,由大脑引导的方法,用于基于医学成像的诊断.
• 该方法增强了在早产新生儿的功能改变的识别.
• 这种方法有望促进早产并发症的诊断和治疗干预措施.