XiaoMi-AI文件搜索系统
World File Search SystemFBN
通过联合...融合多视图功能脑网络
摘要：背景：基于静息态功能磁共振成像（rs-fMRI）的功能性脑网络（FBN）在识别脑部疾病，如自闭症谱系障碍（ASD）方面显示出巨大的潜力。因此，近年来提出了许多FBN估计方法。现有的大多数方法仅从单一视角对大脑感兴趣区域（ROI）之间的功能连接进行建模（例如，通过特定策略估计FBN），无法捕捉大脑中ROI之间的复杂相互作用。方法：为了解决这个问题，我们提出通过联合嵌入融合多视角FBN，这可以充分利用通过不同策略估计的多视角FBN的共同信息。更具体地说，我们首先将用不同方法估计的FBN的邻接矩阵堆叠成一个张量，并使用张量分解来学习每个ROI的联合嵌入（即所有FBN的共同因子）。然后，我们使用 Pearson 相关性计算每个嵌入 ROI 之间的连接，以重建新的 FBN。结果：使用 rs-fMRI 数据在公共 ABIDE 数据集上获得的实验结果表明，我们的方法优于自动 ASD 诊断中的几种最新方法。此外，通过探索对 ASD 识别贡献最大的 FBN“特征”，我们发现了 ASD 诊断的潜在生物标志物。所提出的框架实现了 74.46% 的准确率，通常优于比较的单个 FBN 方法。此外，与其他多网络方法相比，我们的方法实现了最佳性能，即准确率提高了至少 2.72%。结论：我们提出了一种通过联合嵌入的多视图 FBN 融合策略，用于基于 fMRI 的 ASD 识别。从特征向量中心性的角度来看，所提出的融合方法有一个优雅的理论解释。
模块化引导的功能性脑网络分析，用于早期痴呆症识别
功能大脑网络（FBN）分析表明，在识别脑部疾病（例如阿尔茨海默氏病（AD）及其前驱阶段，即轻度认知障碍（MCI））方面具有巨大潜力。必须从功能大脑网络中识别歧视性和可解释的特征，以提高分类性能并帮助我们理解与广告相关的脑疾病的病理机制。以前的研究通常从FBN提取节点统计或边缘权重来表示每个受试者。但是，这些方法通常忽略了FBN的拓扑结构（例如模块化）。为了解决此问题，我们提出了一个模块化 - LASSO特征选择（MLFS）框架，该框架可以明确对模块化信息进行建模，以识别FBN的歧视性和可解释功能，以进行自动化AD/MCI分类。特别是，提出的MLFS方法首先通过签名的光谱群集算法搜索FBN的模块化结构，然后通过模块化诱导的组LASSO方法选择判别特征，然后使用支持向量机（SVM）进行分类。为了评估所提出的方法的有效性，对公共ADNI数据库的563个静止状态功能性MRI扫描进行了广泛的实验，以识别正常对照的AD/MCI的受试者，并预测MCI受试者的未来进展。实验结果表明，我们的方法在AD/MCI识别任务和MCI转换预测的两个任务中都优于以前的方法，还有助于发现与AD相关的歧视性脑区域和功能连接性。
精准模块诱导脑网络构建用于功能磁共振成像轻度认知障碍识别
简介：从功能性磁共振成像 (fMRI) 数据估计的功能性脑网络 (FBN) 已成为计算机辅助诊断神经系统疾病的一种潜在有用方法，例如轻度认知障碍 (MCI)，阿尔茨海默病 (AD) 的前驱阶段。目前，皮尔逊相关系数 (PC) 是构建 FBN 最广泛使用的方法。尽管它很流行且简单，但传统的基于 PC 的方法通常会产生密集的网络，其中感兴趣区域 (ROI) 紧密连接。这不符合 ROI 在大脑中可能稀疏连接的生物学先验。为了解决这个问题，先前的研究提出采用阈值或 l_1 正则化器来构建稀疏的 FBN。然而，这些方法通常会忽略丰富的拓扑结构，例如模块化，而模块化已被证明是提高大脑信息处理能力的重要特性。
13.09.2023 a（讲座1）会议B（讲座大厅2）会议C（讲座厅3）会议D（讲座4堂4）适度博士Kathrin Halli，Jlu-Gi Dr. chr
使用的缩写：AB-AU农业科学中心，农业维多利亚研究，澳大利亚Afbi-uk Agri-Food＆Biosciences Institute，英国贝尔法斯特，BDU-ETH BAHIR BAHIR DAR UNIVERY Cau-ki基督教 - 阿尔布雷希特斯 - 诺瓦特·基尔·牛育种联合会，爱尔兰CGI-CGI-Chulabhorn毕业研究所，泰国CMU-CMU-CMU-CHIANG MAI大学，泰国cum-beCharité大学医学中心Südwestfalen，Soest FBN牲畜生物学研究所（FBN），Dummerstorf Fli-ce Friedrich-Loeffler-Institut，动物福利和动物之家研究所，Celle Fli-Niedrich-Niedrich-Loeffler-Institut Greifswald-Island Riems Fu-Be Freie Universität, Berlin Gau -Gö Georg-August-Universität Göttingen GWD-GÖ Society for Scientific Data Processing MBH, Göttingen HS-NB Hochschule Neubrandenburg HSA-BBG Saxony-Anhalt, Bernburg HSW Weihenstephan-Triesdorf University法国ID-FRI IDELE的Weidenbach Hu-Be University Applied Sciences，法国ISC-Hantrial青贮咨询公司，Halle
Braintgl-计算科学系
对功能性脑网络（FBN）中的动态特征进行建模对于理解人脑的功能机制很重要。但是，目前的作品并未完全考虑人脑中潜在的复杂空间和时间相关性。为了解决这个问题，我们建议针对大脑网络的时间图表示学习框架（BraintGL）。框架涉及一个时间图池，以消除嘈杂的边缘和数据不一致，以及用于捕获时间图的时空特征的双时间图学习。已在四个数据集上的诊断/性别分类（分类任务）和亚型识别（聚类任务）中评估了所提出的方法：Human Connectome Project（HCP），自闭症脑成像数据交换（ABID），NMU-MDD和NMU-BD。为ASD诊断实现了很大的改进。具体而言，我们的模型的表现分别超过了GroupInn和ST-GCN的准确性4.2％和8.6％，与基于功能连接性特征或学识渊博的时空特征的最新方法相比，其优势与最新方法相比。结果表明，在FBN中学习建模动力学特征的时空 - 临时大脑网络表示可以改善模型在疾病诊断和亚型识别任务上的多种疾病的表现。除了性能外，计算效率和收敛速度的提高降低了培训成本。
草案计划_v3
Michele Boichard（法国 INRAE）、Tiziana Brevini（意大利米兰大学）、Emily Clark（英国 EMBL-EBI）、Richard Crooijmans（荷兰 WU）、Fulvio Gandolfi（意大利米兰大学）、Elisabetta Giuffra（法国 INRAE）、Marta Godia（荷兰 WU）、Matthew Kent（挪威 NMBU）、Eduard Murani（德国 FBN）、Alexey Sokolov（英国 EMBL-EBI）、Yogmatee Roochun（EMBL-EBI）、Ole Madsen（荷兰 WU）、Ramiro Alberio（英国诺丁汉大学）、Christian Tiambo（肯尼亚 CTLGH）、Finn Grey（英国爱丁堡大学）、Bertrand Pain（法国 INRAE）、Joseph Robertson（挪威 NMBU）、Sigbjørn Lien（挪威 NMBU）、Kate Sutton（英国爱丁堡大学）、Bart Gadella（荷兰乌得勒支大学）。
使用NextFlow和NF核心授权生物信息学社区
<巴塞罗那科学技术研究所的基因组法规（CRG）DIV，Aiguader 88博士，巴塞罗那08003，西班牙2 Med。University of évora, Polo da mitra, 7002-5554 Évora, Portugal 3 Center for Interdisciplinary Research in Animal Health (Ciisa), Faculty Medicine, University of Lisbon, 1300-477, Lisbon Portugal 4 center for integrative Genetics (Cgene), Faculty of Biosciences, Norwegian University of Life Sciences, 1430 Ås,挪威5功功能技术Högskolan，基因技术系化学，生物技术与健康学院，基因技术系INRAE，Agroparitych，Agroparitych，Gabi，Gabi，Gabi，Paris-Saclay大学，Jouy-en-en-Josas，Jouy-en-Josas，Jouy-en-Josas，F-78350，F-78350，F-78350，F-78350，F-78350，F-78350，F-78350，F-7 Sagenae，France 7 sagenae，France inrae，Jouy-jouy-enrae，Jouyy，农场动物生物学研究所（FBN），威廉·斯塔尔 - 阿利2号，18196年德国杜姆斯托夫，德国9罗斯林研究所和皇家研究所和兽医研究学院，爱丁堡大学，伊斯特堡大学，英国伊斯特灌木丛校园。10 Seqera，Carrer deMaràAguiló，28，巴塞罗那，08005，西班牙11 IRSD，Toulouse大学，INSERM，INRAE，INRAE，UNRAE，UNRAE，UNRAE III，Paulouse III- Paul Sabatier（UPS），图卢兹，图卢兹，法国，法国12 genphyse，derrancan，Inrae，Inrae，Inrae，3132663266326，考古学学院，麦克斯·普朗克进化人类学研究所，德意志。6，莱比锡，萨克森州，4103，德国14莱布尼兹自然产品研究与感染研究所，生物学研究与感染生物学研究所汉斯·诺尔研究所，阿道夫 - 里奇维因 - 斯特拉斯（Adolf-Reichwein-Straße）23，jena，jena，thuringia，thuringia，07745，德国0775研究所，阿道夫 - 里奇韦因斯特拉斯23，耶拿，图林雅，德国07745（当前地址）