站点通用信息指导站点到个人到全球多视图GCN用于精神病诊断

科学领域:

• 神经成像和计算神经科学
• 精神疾病诊断和评估精神疾病的诊断和评估.
• 机器学习在医疗保健中的应用.

背景情况:

• 基于磁共振神经成像 (MRI) 的功能连接显示出对精神疾病诊断的前景.
• 多中心神经成像研究对于可靠的研究结果至关重要,但面临的挑战是站点间的变化.
• 由于扫描仪和协议在不同站点上的差异,现有的方法在数据的一致性和普遍性方面扎.

研究的目的:

• 提出一个新的框架,sigGCN,以解决多中心神经成像数据的跨站点变异性.
• 协调多中心数据,以提高精神疾病的诊断准确度.
• 提高基于神经成像的诊断模型的可靠性和普遍性.

主要方法:

• 开发了一个以网站共同信息为指导的网站到个人到全球多视图卷积网络 (sigGCN) 框架.
• SigGCN提取共享的站点信息以减轻站点效应,并构建个别的多视图表示.
• 整合个体和站点共同特征,生成全球的切比舍夫网络进行分析.

主要成果:

• 与现有模型相比,SigGCN在诊断自闭症方面取得了最高的准确性.
• 从多个数据集和大脑地图集的对照组成功分类了自闭症和精神分裂症.
• 在协调多中心神经成像数据方面表现出强度和稳定性.

结论:

• sigGCN框架有效地协调多中心神经成像数据,减轻现场影响.
• SigGCN显著提高了基于神经成像的精神疾病诊断的性能.
• 提供了一种可靠的方法来利用跨站点,个人和全球网络的层次信息.