ASD-GANNet:一种产生敌对网络启发的深度学习方法,用于对自闭症大脑障碍的分类
Naseer Ahmed Khan1, Xuequn Shang1
1School of Computer Science and Technology, Northwestern Polytechnical University, Xi'an 710072, China.
Brain sciences
|August 29, 2024
概括
本研究介绍了ASD-GANNet,这是一种使用条件生成对抗网络 (cGANs) 来增强fMRI数据集以改进分类的新方法. 该方法通过生成合成功能连接特征来提高自闭症谱系障碍等疾病的诊断准确性.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 医疗成像医学成像
背景情况:
- 使用功能连接 (FC) 特性对预处理的fMRI数据集进行分类是具有挑战性的,原因是数据集的高维度和小大小.
- 现有的方法在有限的数据集中难以有效处理FC特征的复杂性.
研究的目的:
- 提出一种名为ASD-GANNet的全新端到端方法,用于对fMRI数据集进行分类.
- 通过生成模型和注意力机制,解决高维FC特征和小数据集大小的挑战.
主要方法:
- 使用条件生成对抗网络 (cGAN) 来从纽约大学数据集中生成合成FC特征.
- 采用多头注意力机制进行分类,专注于最相关的特征而无需人工工程.
- 训练cGAN计算连接功能,然后使用它来生成特定类别的合成数据.
主要成果:
- 在10倍交叉验证中,获得了82%的准确性,82%的灵敏性和81%的特异性.
- 在整体表现方面超过了六种最先进的技术.
- 在17个站点中的10个站点中表现出卓越的性能.
结论:
- ASD-GANNet为fMRI数据集增强和分类提供了一个有前途的解决方案.
- 集成cGAN和多头关注有效地解决了高维数据和小样本大小的局限性.
- 拟议的方法显示出在神经成像研究中改善诊断准确性的巨大潜力.
关键词:
在ASD中,使用的是ASD.关注注意力注意力注意力注意力增强 增强 增强 增强自闭症自闭症是什么在CHANGAN中,我们可以看到.这是分类分类的分类.终端到终端的终端.功能磁力共振成像 (fMRI) 是一种多头注意力多头注意力rs-fMRI 是一个更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
10.9K
10:47Rapid Detection of Neurodevelopmental Phenotypes in Human Neural Precursor Cells NPCs
Published on: March 2, 2018
10.0K
