摘要:轻度认知障碍(MCI)是阿尔茨海默病(AD)的前兆,MCI的检测具有重要的临床意义。分析患者的结构脑网络对于识别MCI至关重要。然而,目前对结构脑网络的研究完全依赖于特定的工具箱,耗时且主观,很少有工具可以从脑扩散张量图像中获取结构脑网络。在本文中,提出了一种基于对抗学习的结构脑网络生成模型(SBGM),直接从脑扩散张量图像中学习结构连接。通过分析不同受试者结构脑网络的差异,我们发现从老年正常对照(NC)到早期轻度认知障碍(EMCI)再到晚期轻度认知障碍(LMCI),受试者的结构脑网络呈现出一致的趋势:随着病情的恶化,结构连接朝着逐渐变弱的方向发展。此外,我们提出的模型对 EMCI、LMCI 和 NC 受试者进行了三分类,在阿尔茨海默病神经影像计划 (ADNI) 数据库上实现了 83.33% 的分类准确率。
![arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日PDF文件第1页](/bimg/e/ee5c6c46633c2e3d97c3ea5957fbe5e8a5e26b17.webp)
![arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日PDF文件第2页](/bimg/9/9653cfe3dafc43042ff25a983b7d29fe6049a149.webp)
![arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日PDF文件第3页](/bimg/7/7e3493def6fd7e1af9c92b18c2f57e7f0981ff1b.webp)
![arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日PDF文件第4页](/bimg/d/d95aa2674046b7f7e5488e59412b6c6dbc916d50.webp)
![arXiv:2208.08896v1 [q-bio.NC] 2022 年 8 月 9 日PDF文件第5页](/bimg/a/aab069ef5c2f160760e892803c13f06b87940d6d.webp)
