使用fMRI和深度学习对神经系统疾病进行分类的辅助工具:指南和示例.
Samuel L Warren1, Danish M Khan2, Ahmed A Moustafa1,3
1Faculty of Society and Design, School of Psychology, Bond University, Gold Coast, Queensland, Australia.
Brain and behavior
|June 6, 2024
概括
本研究介绍了深度学习和功能磁共振成像的辅助工具,创建了一个自闭症谱系障碍分类模型的例子,以帮助研究人员开发可访问的诊断工具.
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
- 医疗成像医学成像
背景情况:
- 深度学习 (DL) 正在使用功能磁共振成像 (fMRI) 改变神经系统疾病的分类.
- 大脑科学和医学科学之间的跨学科知识差距阻碍了fMRI和DL的整合.
- 功能性MRI和DL方法的复杂性限制了非专家的临床采用和可访问性.
研究的目的:
- 为流行的DL和fMRI辅助工具提供一个入门指南.
- 举个例子来展示使用fMRI和DL的自闭症谱系障碍 (ASD) 分类模型.
- 简化fMRI和DL管道用于神经疾病诊断.
主要方法:
- 使用了Optuna和GIFT等辅助工具.
- 使用自闭症大脑成像数据交换 (ABIDE) 预处理库.
- 使用fMRI数据开发了用于ASD分类的卷积神经网络模型.
主要成果:
- 介绍了用于fMRI和DL分析的辅助工具指南.
- 展示了fMRI和DL模型开发的简化管道.
- 提供了ASD分类模型的实用示例.
结论:
- 该研究旨在降低进入fMRI和DL领域的研究人员的障碍.
- 开发的管道和指南有助于创建可访问的诊断模型.
- 这项工作支持通过可访问技术推进神经系统疾病诊断.


