灰色问题:ViT-GAN框架用于识别连接结构性MRI和功能网络连接的精神分裂症生物标志物

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 神经科学是一个神经科学.

背景情况:

• 精神分裂症等脑部疾病涉及结构和功能上的变化.
• 灰色物质 (GM) 量和功能网络连接 (FNC) 是关键指标.
• 了解结构和功能之间的联系对于诊断和治疗至关重要.

研究的目的:

• 引入一种新的生成深度学习架构,即条件高效视觉转换器生成对抗网络 (cEViT-GAN).
• 以GM数据为条件生成FNC矩阵,以探索结构功能关系.
• 确定与精神分裂症功能异常相关的结构生物标志物.

主要方法:

• 开发了一个条件高效的视觉变换器生成对抗网络 (cEViT-GAN).
• 整合了一种轻量级的自我注意力机制,用于精致的注意力图.
• 根据转基因数据生成FNC矩阵,并进行跨领域分析.

主要成果:

• 生成高质量的FNC矩阵,与真实FNC数据的皮尔森相关性为0.74.
• 在转基因中确定了潜在的结构生物标志物,包括mPFC,DL-PFC和小脑,与功能异常有关.
• 通过跨领域分析验证结构-功能连接.

结论:

• cEViT-GAN模型有效地将大脑结构 (GM) 和功能 (FNC) 联系起来.
• 确定了特定的大脑区域作为精神分裂症的潜在生物标志物.
• 提供了对精神分裂症神经生物学的精细见解,并有助于理解结构功能关系.