深度自适应融合网络与多式联络神经成像信息用于MDD诊断:一个开放数据研究
Tongtong Li1, Kai Li2, Ziyang Zhao1
1School of Information Science and Engineering, Lanzhou University, Lanzhou 730000, China; Gansu Provincial Key Laboratory of Wearable Computing, Lanzhou University, Lanzhou 730000, China.
概括
这项研究引入了深度自适应融合网络 (DAFN),用于使用多式神经成像来改进主要抑郁症 (MDD) 的自动诊断. DAFN有效地整合了不同成像类型的互补功能,提高了诊断准确度.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 神经成像对于自动化重大抑郁障碍 (MDD) 诊断至关重要.
- 整合多式联络神经成像数据存在挑战,原因是存在差异.
- 这限制了跨模式交互和特征互补性的探索.
研究的目的:
- 提出一个深度自适应融合网络 (DAFN) 以利用多式联络神经成像数据.
- 通过有效地融合互补特征来增强MDD的自动诊断.
- 解决整合多种成像方式的局限性.
主要方法:
- 开发了一个受监督的深度自适应融合网络 (DAFN).
- 使用CNN和多头自我注意编码器提取高频和低频特征.
- 实施了模式重量调整模块和逐步信息增强培训.
主要成果:
- 在多模式神经成像融合中,DAFN在MDD诊断方面表现出了竞争力.
- 在开放访问和招募数据集上进行评估.
- 成功地利用了多模式神经成像的互补特征.
结论:
- 在MDD诊断中,DAFN提供了一种多模式神经成像融合的有效方法.
- 拟议的网络解决了整合跨模式神经成像数据的挑战.
- 在DAFN的研究中,DAFN显示了大抑郁症疾病自动诊断的前进的前景.
