CognitMoE:一个认知意识的协作多专家网络,用于双相情感障碍诊断
Xiaotong Zhu1, Yudie Wang1, Yuqing Ma2
1State Key Laboratory of Complex & Critical Software Environment, Beihang University, Beijing, 100191, China.
概括
这项研究引入了CognitMoE,一种新的AI分类器,用于使用脑成像进行早期双相情感障碍 (BD) 诊断. CognitMoE准确地识别了病理性脑部变化,提高了诊断准确度,减少了患者的误诊.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 精神疾病 精神疾病
背景情况:
- 双相情感障碍 (BD) 的早期诊断受到不清楚的病理特征的阻碍.
- 结构性MRI (sMRI) 对BD诊断有价值,但目前的方法难以捕捉特定的大脑区域病理.
- 现有的sMRI方法往往缺乏细粒度,以有效地识别BD中的微妙结构和功能性大脑变化.
研究的目的:
- 开发一个先进的分类器,CognitMoE,用于准确早期诊断双相情感障碍 (BD).
- 为了利用大脑区域水平的成像功能和认知功能洞察力,改善BD检测.
- 与传统的基于sMRI的诊断方法相比,以减少计算复杂性.
主要方法:
- 提出CognitMoE,一个认知意识的协作多专家网络,使用大脑区域级成像功能.
- 实现了认知意识注意模块 (CAAM) 以提取和权重基于地图知识的大脑区域特征.
- 利用协作多专家网络 (CMEN) 模拟大脑区域的相互作用,发现病理变化.
主要成果:
- 在两个数据集 (OpenfMRI和一个收集的数据集) 上,CognitMoE表现出比现有方法更好的性能.
- 在BACC (7.4%),F1得分 (3.4%) 和灵敏度 (12.5%) 中取得了显著的改善.
- 有效地区分了BD患者和健康对照人群,突出了早期诊断和查的潜力.
结论:
- 通过准确捕捉微妙的大脑结构和认知变化,CognitMoE为早期双相情感障碍诊断提供了一种有前途的方法.
- 大脑区域层面的分析减少了计算负载,同时提高了诊断精度.
- 这种方法支持临床查,并减少误诊率,帮助BD患者及时干预.


