mSPD-NN:从功能连接组学表现体中发现生物标志物的几何意识神经框架
Niharika S D'Souza1, Archana Venkataraman2
1IBM Research, Almaden, San Jose, USA.
Information processing in medical imaging : proceedings of the ... conference
|October 29, 2024
概括
这项研究引入了一个新的神经网络,mSPD-NN,通过尊重它们的几何性质来分析大脑连接体. 它准确地估计了连接数据的平均值,揭示了ADHD-ASD并发症中的生物标志物.
科学领域:
- 神经成像是一种神经成像.
- 机器学习 机器学习
- 统计 统计 统计 统计
背景情况:
- 康涅狄格利用神经成像进行连接数据分析.
- 当前的方法往往忽略了连接体的矩阵多重体几何.
- 由于复杂的几何形状,估计连接矩阵的平均值具有挑战性.
研究的目的:
- 提出一个具有几何意识的神经框架,mSPD-NN,用于估计对称正定数 (SPD) 矩阵的地质平均值.
- 解决现有分析框架在处理连接组数据几何学方面的局限性.
- 开发一种强大的方法来分析复杂的神经成像数据.
主要方法:
- 开发了mSPD-NN,一个神经网络利用双线完全连接的层与绑定权重.
- 实现了一种新的损失函数,以优化Fréchet平均值估计的矩阵-正常方程.
- 在合成数据上进行测试,用于与其他SPD平均值估计方法对比的性能评估.
主要成果:
- mSPD-NN在合成数据上的可扩展性和对噪声的稳定性方面表现出了竞争力的表现.
- 对静止状态fMRI (rs-fMRI) 数据的实验展示了该框架在现实世界中的灵活性.
- 确定了与ADHD-ASD并发症网络差异相关的稳定生物标志物.
结论:
- mSPD-NN为分析连接组数据提供了一种有效的,具有几何信息的方法.
- 这种方法在神经成像中推进了统计和机器学习应用.
- 该框架有可能在神经和精神疾病中发现生物标志物.
