多通道时空图注意力对比网络用于脑疾病诊断

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 动态大脑网络 (DBN) 对于理解神经系统疾病至关重要,但目前的方法与更高阶的时空模式和整合结构先验作斗争.
• 对于DBN分析的现有滑窗方法往往忽视了复杂的拓关系和多模态数据集成.

研究的目的:

• 为增强DBN分析提出一个多通道的时空图注意力对比网络.
• 将扩散张力成像 (DTI) 的结构连接与fMRI的功能连接集成为多模式大脑网络表示.
• 开发一种能够提取高阶时空拓特征的新型网络架构,以改进神经障碍诊断.

主要方法:

• 使用滑动窗口从fMRI数据构建动态功能网络.
• 嵌入DTI的结构连接到功能连接图中,以创建多模式大脑网络.
• 开发了一个多通道空间注意力对比网络,具有窗口内和窗口间的对比约束,以捕捉拓特征.
• 利用自我注意机制,整合跨时间窗口的功能嵌入,进行更高阶的时空分析.
• 使用多层感知器 (MLP) 进行大脑网络分类.

主要成果:

• 与最先进的方法相比,拟议的方法在和ADNI数据集上取得了更高的诊断性能.
• 该网络成功地提取了与大脑疾病相关的歧视性图形特征.
• 多模数据 (fMRI和DTI) 和先进的网络架构的整合改善了神经系统疾病的识别.

结论:

• 多通道时空图注意力对比网络为分析DBN提供了一个强大的新工具.
• 这种方法增强了对神经疾病中复杂的大脑网络动态的理解.
• 该方法在诊断大脑疾病方面显示出临床应用的巨大潜力.