机构名称：
¥ 3.0
抽象的机器学习已越来越多地用于获得个性化的神经影像学特征，以诊断，预后和对神经精神病和神经退行性疾病的治疗的反应。因此，它通过鉴定疾病亚型在各种大脑表型措施中存在显着差异，从而更好地理解疾病异质性。在这篇综述中，我们首先介绍了使用机器学习和多模式MRI进行研究的系统文献概述，以揭示各种神经精神疾病和神经退行性疾病的疾病异质性，包括阿尔茨海默氏病，精神分裂症，精神分裂症，主要抑郁症，主要的抑郁症，自闭症谱系疾病，多发性硬化症，以及他们的多种疾病以及跨性别的定义。随后，我们总结了相关的机器学习方法，并讨论了一种新兴的范式，我们称之为维度神经影像型内型（DNE）。dne将神经精神病学和神经退行性疾病的神经生物学异质性分解为低维但有益的，定量的脑表型表述，是一种强大的中间表型（即内型型），很大程度上反映了下属的遗传学和遗传学。最后，我们讨论当前发现的潜在临床意义，并设想未来的研究途径。
尺寸神经影像型
主要关键词
相关文件推荐
