使用深度学习为人口神经科学生成基于任务的合成大脑指纹
概括
DeepTaskGen使用深度学习从静止状态数据创建基于任务的合成fMRI图像,从而实现大规模的认知研究和生物标志物发现.
科学领域:
- 神经成像是一种神经成像.
- 认知神经科学 认知神经科学
- 人工智能的人工智能
背景情况:
- 基于任务的功能磁共振成像 (tb-fMRI) 对于理解认知功能和个体神经差异至关重要.
- 将tb-fMRI扩展到人口研究中受到任务需求,设计可变性和大数据集中的有限任务范围的阻碍.
研究的目的:
- 开发一种深度学习方法 (DeepTaskGen) 来从静止状态fMRI (rs-fMRI) 数据中生成基于任务的对比图.
- 为了在现有的研究协议中实现非获取任务的合成任务图像的生成.
主要方法:
- 建议使用DeepTaskGen,一个深度学习模型,从rs-fMRI数据生成任务对比图.
- 该方法在人类连接体项目的寿命数据上得到了验证.
- 合成对比图用于7个认知任务,在超过20,000名英国生物库参与者中生成.
主要成果:
- 与基准相比,DeepTaskGen在生成合成任务对比图时表现出优异的重建性能.
- 生成的地图保留了生物标志物发展所必不可少的个体间变异.
- 合成任务对比图显示了与实际任务图和rs-fMRI连接组在预测人口统计,认知和临床变量方面具有可比或优异的性能.
结论:
- DeepTaskGen促进了对认知功能的个体差异的大规模研究.
- 该方法可以从易于获得的rs-fMRI数据生成与任务相关的生物标志物.
- 这种方法允许从静止状态扫描创建任意的功能认知任务.
