通过基于空间保存的神经架构的搜索,为ADHD建模功能性大脑网络

科学领域:

• 神经成像和计算神经科学
• 医学图像分析 医学图像分析
• 机器学习用于医疗保健

背景情况:

• 与典型对照组 (TC) 相比,在注意力缺陷多动症 (ADHD) 中观察到功能性大脑网络 (FBNs) 的异常功能连接.
• 现有的使用fMRI数据减小维度的FBN建模方法可能会导致错误诊断,原因是空间信息丢失和voxel混.

研究的目的:

• 提出一种基于空间保护的神经架构搜索 (SP-NAS) 的新方法,以更准确地在ADHD中建模FBN.
• 为了解决FMRI数据处理在ADHD诊断方面的维度减小的局限性.
• 探索ADHD和TC组之间的跨区域关联差异,以进行辅助诊断.

主要方法:

• 开发了一个空间保存模块,将原始空间信息嵌入到缩小维度数据中,减轻voxel混.
• 构建了一个具有优化操作的搜索空间,以有效地提取ADHD的空间时间fMRI数据特征.
• 利用ADHD-200数据集进行模型验证和与典型对照进行比较.

主要成果:

• 拟议的SP-NAS模型在ADHD诊断方面取得了竞争力的结果.
• 该模型成功地确定了ADHD病变区域的异常连接,与临床发现一致.
• 空间信息的保存提高了FBN建模的准确性,降低了误诊风险.

结论:

• 通过保留关键的空间信息,SP-NAS提供了一种有希望的方法,用于在ADHD诊断中准确的FBN建模.
• 该方法提高了诊断的准确性,并为ADHD的神经生物学基础提供了洞察力.
• 这种技术可以通过识别特定的异常大脑网络连接来帮助ADHD的辅助诊断.