arXiv:2203.04725v1 [ed.IV] 3 月 8 日___XiaoMi-AI 助力科研平台

arXiv:2203.04725v1 [ed.IV] 3 月 8 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2203.04725v1 [ed.IV] 3 月 8 日

¥ 1.0

热度

摘要。阿尔茨海默病 (AD) 是最常见的与年龄相关的痴呆症。轻度认知障碍 (MCI) 是 AD 之前认知衰退的早期阶段。预测 MCI 到 AD 的转变对于精准管理至关重要，但由于患者的多样性，这仍然具有挑战性。先前的证据表明，扩散 MRI 生成的大脑网络有望使用深度学习对痴呆症进行分类。然而，扩散 MRI 的有限可用性对模型训练提出了挑战。在本研究中，我们开发了一种自监督对比学习方法，在扩散 MRI 的指导下从常规解剖 MRI 生成结构性大脑网络。生成的大脑网络用于训练一个预测 MCI 到 AD 转变的学习框架。我们不是直接对 AD 大脑网络进行建模，而是训练一个图编码器和一个变分自动编码器来从健康对照的大脑网络中模拟健康的衰老轨迹。为了预测 MCI 到 AD 的转变，我们进一步设计了一种基于循环神经网络的方法来模拟患者大脑网络与健康衰老轨迹的纵向偏差。数值结果表明，所提出的方法在预测任务中的表现优于基准。我们还可视化了模型解释，以解释预测并识别白质束的异常变化。

添加pdf代下载 VIP点击下载文件