相关实验视频
Updated: May 14, 2026
06:35
Basics of Multivariate Analysis in Neuroimaging Data
Published on: July 24, 2010
17.0K
多尺度上下文曼巴:通过状态空间建模通过多站点功能磁共振成像数据集推进精神疾病检测
Shusheng Li1, Yang Bo2, Yuchu Chen3
1International Research Institute for Artificial Intelligence, Harbin Institute of Technology (Shenzhen), Shenzhen, China.
Health data science
|August 6, 2025
概括
一个新的模型,多尺度上下文mamba (MSC-mamba),通过使用脑成像来改善主要抑郁症 (MDD) 和自闭症谱系障碍 (ASD) 的诊断. 这种数据驱动的方法提高了检测这些复杂条件的准确性.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 精神病学是一个精神病学.
背景情况:
- 重度抑郁症 (MDD) 和自闭症谱系障碍 (ASD) 是复杂的神经精神疾病,症状重叠,使准确的诊断变得复杂.
- 功能神经成像数据为开发数据驱动的诊断工具提供了一个有希望的途径.
- 现有的方法往往无法捕捉神经成像数据中的长期依赖关系和动态模式,特别是在不同站点.
研究的目的:
- 介绍一个新的基于Mamba的模型,用于分析功能神经成像的多变量时间序列数据.
- 增强对大脑功能网络中的长期依赖和动态模式的捕获,以改善精神疾病检测.
- 为了验证模型在大型,多站点神经成像数据集上的性能,用于MDD和ASD检测.
主要方法:
- 开发了MSC-Mamba,这是一个基于Mamba的模型,旨在实现线性可扩展性并捕捉时间序列数据中的长期依赖性.
- 利用MSC-Mamba在多个尺度上生成上下文信息的能力,解决道混合和道独立的场景.
- 将模型应用于两个大规模的多站点fMRI数据集:REST-meta-MDD (n=1,642) 和ABIDE (n=1,022).
主要成果:
- MSC-Mamba 实现了最先进的精度:69.91%的MDD检测和73.08%的ASD检测.
- 在各种神经成像站点展示了强大的概括性能.
- 展示了对复杂的大脑网络动态的敏感性,突出显示了该模型在捕获微妙模式方面的有效性.
结论:
- 像MSC-Mamba这样的状态空间模型对于推进精神病学神经成像研究具有重大潜力.
- 拟议的模型大大提高了MDD和ASD的检测准确度.
- 研究结果表明,MSC-Mamba可以为开发更可靠,数据驱动的精神疾病诊断工具做出贡献.
