基于变压器的结构连接网络用于与ADHD相关的连接改变

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 发育神经科学的发展神经科学.

背景情况:

• 注意缺陷/多动障碍 (ADHD) 是一种流行的神经发育障碍,影响行为和学习.
• 目前的ADHD诊断依赖于主观评估,强调需要客观的,基于成像的诊断工具.
• 这项研究探讨了磁共振成像 (MRI) 衍生结构连接网络的潜力,用于识别与ADHD相关的变化.

研究的目的:

• 调查MRI数据中的结构连接网络是否可以揭示与ADHD相关的变化.
• 利用基于变压器的深度学习模型来构建和分析大脑结构连接.
• 为了支持对ADHD神经生物学基础的数据驱动的理解.

主要方法:

• 利用ADHD-200数据集中的947名 (7-26岁) 个体的大脑MRI数据.
• 采用基于变压器的深度学习模型来学习大脑区域的关系并建立结构连接网络.
• 应用五倍交叉验证和统计分析来评估模型性能和组差异.

主要成果:

• 开发的方法准确地区分了ADHD和健康对照组的个体,准确度为71.9%,AUC为0.74.
• 观察到结构连接模式的显著差异 (P < 10^-6),特别是在与运动和执行功能相关的区域.
• 在ADHD和对照组之间,大脑区域,如 thalamus 和 caudate 显示出明显不同的重要性排名.

结论:

• ADHD与多个大脑区域结构连接的改变有关.
• 建立大脑结构连接网络的基于变压器的方法显示出ADHD诊断和研究的潜力.
• 客观的,基于网络的方法可以提高我们对ADHD等神经发育障碍的理解和诊断.