基于对比学习的多模态核磁共振 (MRI) 来自动诊断严重抑郁症:一项短时间的研究

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 精神病学是一个精神病学.

背景情况:

• 重度抑郁症 (MDD) 是一种普遍存在的精神疾病.
• 目前依赖采访的诊断方法是主观的,容易变化.
• 神经成像和计算机科学提供了对MDD的定量评估潜力.

研究的目的:

• 开发一个短暂的学习框架,用于准确的MDD计算机辅助诊断.
• 从有限的多模态MRI数据集中有效地挖掘互补的跨模态信息.
• 整合跨模式和跨模式的功能,以提高诊断性能.

主要方法:

• 提出了使用对比学习整合多模式MRI数据的几次射击学习框架.
• 使用上游任务从异质数据中提取知识.
• 利用下游任务进行知识转移,并使用层次融合范式进行功能集成.

主要成果:

• 在多模式临床数据上,平均准确率为73.52%,AUC为73.09%.
• 在MDD诊断中证明了几次射击学习框架的有效性.
• 确定了关键的大脑区域,包括默认模式网络和小脑,对于诊断至关重要.

结论:

• 拟议的框架为定量MDD诊断提供了一个有希望的方法.
• 有效地挖掘跨模式信息对于改进计算机辅助诊断工具至关重要.
• 默认模式网络和小脑是识别可重复的MDD生物标志物的重要目标.