在小样本神经成像研究中的机器学习:用于精神分裂症分析的新型措施
Carmen Jimenez-Mesa1, Javier Ramirez1, Zhenghui Yi2
1Department of Signal Theory, Telematics and Communications, Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI), University of Granada, Granada, Spain.
Human brain mapping
|March 28, 2024
概括
这项研究引入了一种新的计算机辅助诊断 (CAD) 系统,使用大脑形图案来区分精神分裂症患者和健康人群. 该系统表现出有效的分类,即使数据有限,突出重点区分大脑区域.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 计算精神病学是一种计算精神病学.
背景情况:
- 计算机辅助诊断 (CAD) 系统集成成像和AI用于临床支持和生物模式调查.
- 现有的CAD系统往往缺乏全面的评估框架,特别是在新的特征类型和小数据集.
研究的目的:
- 开发和评估一个CAD系统用于分类精神分裂症,使用结构性脑成像衍生的形图案.
- 展示CAD系统的综合评估方法,具有有限的经验指导和小样本大小.
主要方法:
- 从58名精神分裂症患者和56名健康对照者的整个大脑皮层中提取了状的特征.
- 应用顺序统计,机器学习和深度学习技术进行分类.
- 利用可解释的AI (XAI) 方法 (LIME,SHAP) 来识别功能相关性和维度减小以进行优化.
主要成果:
- 成功地将精神分裂症患者与基于形模式的对照区分开来.
- 在部和前中心区域以及附带裂中确定了特定的分化形图案.
- 验证了缩小维度和用于小样本性能优化的先进验证方法的好处.
结论:
- 来自整个大脑皮层的状模式可以作为使用CAD系统检测精神分裂症的有效生物标志物.
- 拟议的综合评估框架适用于开发具有新功能和有限数据的CAD系统.
- 可解释的AI技术对于理解基于神经成像的CAD系统中特征的重要性是有价值的.
