使用基于标签噪声过的维度预测方法,更可靠的生物标志物和更准确的心理障碍预测

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 心理健康诊断 心理健康诊断

背景情况:

• 心理障碍的准确诊断受到诊断标签和神经成像数据之间的误差的挑战.
• 现有的方法难以可靠地将复杂的神经成像数据与临床诊断相结合.

研究的目的:

• 引入一种新的方法,即基于标签噪声过的维度预测 (LAMP),用于改善精神障碍诊断.
• 为了确定可靠的神经成像生物标志物,并提高心理障碍的预测准确性.
• 解决诊断标签和神经成像发现之间不完全匹配的挑战.

主要方法:

• 提出了一种标签噪声过模型,根据神经成像数据自动识别和排除不清楚的情况.
• 使用典型受试者与对齐的诊断标签和神经影像测量方法构建了一个维度预测模型.
• 将该方法应用于来自1,245名个体的功能磁共振成像 (fMRI) 数据,包括精神分裂症患者和健康对照.

主要成果:

• 通过LAMP方法,独立受试者获得一致的分数.
• 重新标记的组显示出更好的区分能力,分类准确度提高了31.89%.
• 这种方法促进了对精神分裂症中稳定的神经成像异常的探索.

结论:

• 使用神经成像,LAMP方法有效地识别出精神障碍的可靠生物标志物.
• 这种方法显著提高了精神障碍诊断的准确性.
• LAMP为在临床实践中整合神经成像和人工智能提供了一个强大的框架.