基于格拉米安角场结合激活特征的精神分裂症识别:一种功能近红外光谱研究

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 精神病学是一个精神病学.

背景情况:

• 全球精神分裂症 (SCZ) 发病率正在上升,需要改进诊断工具.
• 功能近红外光谱与口语流任务 (fNIRS-VFT) 提供客观的神经功能评估,但在特征提取和利用方面面临挑战.
• 现有的方法在时间序列特征提取不足,特征利用不足,稳定性不稳定等问题上扎.

研究的目的:

• 开发和评估一种新的fNIRS分类策略,使用格拉米安角场 (GAF) 编码与激活信息集成,以增强SCZ识别.
• 将拟议的基于GAF的方法与传统的fNIRS特征提取方法和其他基于图像的技术进行比较.

主要方法:

• 设计了一个fNIRS分类策略,通过将fNIRS信号编码成2D格拉米安角场 (GAF) 虚拟图像,并包含激活信息.
• 从200名参与者的fNIRS数据处理成用于SCZ识别的虚拟图像.
• 使用具有激活信息的GAF图像与没有激活的GAF图像,复制图,马尔科夫过渡字段和传统fNIRS特征进行了对比分类性能.

主要成果:

• 整合激活信息的GAF图像编码方法显著提高了SCZ识别精度,比GAF没有激活的精度提高了7.6%,比CNN HbO信号分类提高了4.9%.
• 在ShuffleNetV2模型中,交叉验证数据集的最高准确率为81.0%,外部测试数据集的最高准确率为72.0%.
• 与EfftivenetV2相比,该方法在没有激活的GAF图像 (73.4%准确率) 和CNN HbO信号分类 (75.5%准确率) 中表现优越.

结论:

• 格拉米安角场 (GAF) 虚拟图像编码,当与激活信息集成时,为支持SCZ查和诊断提供了一种新有效的策略.
• 这种方法增强了fNIRS技术在精神疾病临床诊断中的应用.
• 这些发现强调了先进的图像编码技术在精神病学中客观的神经功能评估的潜力.