BIGFormer:一个具有局部结构意识的图形变压器,用于诊断和鉴定阿尔茨海默氏病的发病因子,使用成像基因数据识别阿尔茨海默氏病

科学领域:

• 神经科学是一个神经科学.
• 遗传学 是一个遗传学.
• 人工智能的人工智能

背景情况:

• 阿尔茨海默病 (AD) 是一种高度遗传的神经系统疾病.
• 大脑成像遗传学 (BIG) 对于理解AD病变发生至关重要.
• 现有的方法往往无法捕捉到导致AD的复杂相互作用.

研究的目的:

• 提出BIGFormer,一个具有局部结构意识的图形变压器,用于AD诊断.
• 为了确定阿尔茨海默病的潜在病原机制.
• 为了提高AD预测,利用风险因素之间的复杂相互作用.

主要方法:

• 构建一个因子相互作用图,用大脑区域和风险基因作为节点.
• 使用具有局部结构意识的感知模块来提取节点特征.
• 使用全球依赖推断组件将本地结构组装成更高阶表示.
• 聚合多层次交互结构用于疾病状态预测.

主要成果:

• 在AD神经成像倡议数据集上的四个分类任务中,BIGFormer表现出卓越的表现.
• 该模型成功识别了与阿尔茨海默病密切相关的生物标志物.
• 实验结果验证了BIGFormer在捕获复杂相互作用方面的有效性.

结论:

• 通过整合脑部成像和遗传数据,BIGFormer提供了一种强大的AD诊断方法.
• 该模型捕捉复杂相互作用的能力有助于更好地理解AD的病变发生.
• BIGFormer有可能识别阿尔茨海默病的新生物标志物.