Dec, 2023

基于分层 Transformer 的脑扩散器用于 MCI 因果分析

PDF
TL;DR提出了一种脑扩散器，利用层次化变换器来估计轻度认知障碍（MCI）分析的有效连接；该模型通过堆叠多头注意力和图卷积网络来增强结构 - 功能互补性并提高噪声估计能力，并有效地捕捉大脑区域之间的单向和双向相互作用。
effective connectivitybrain diffuserhierarchical transformermild cognitive impairmentdenoising diffusion model
发现论文，激发创造
  • 多分辨率时空增强变压器去噪与功能扩散 GAN 构建 MCI 分析脑有效连接

    本论文提出了一种新型的多分辨率时空增强变压器去噪网络，利用一个条件扩散过程将噪声和功能磁共振成像（fMRI）转换为对轻度认知障碍（MCI）进行分析的有效连接，该模型不仅预测性能卓越，而且能够识别与临床研究一致的 MCI 相关因果连接。

    May, 2023

  • BrainNetDiff：基于多模态扩散模型的生成式人工智能助力脑网络生成

    通过引入一种名为 BrainNetDiff 的新方法，结合多头变换器编码器从 fMRI 时间序列中提取相关特征，并结合条件潜在扩散模型进行大脑网络生成，从图像到图形的融合，显著提高了大脑网络生成的准确性和稳定性，验证了该框架在构建健康和神经学受损队列中的大脑网络方面的适用性，实验证明了该方法在下游疾病分类任务中的显著效果，突出了大脑网络研究的前景价值，特别是在神经影像学分析和疾病诊断中的关键意义，为多模态大脑影像数据处理提供了有价值的参考，并为神经影像领域引入了一种新的高效解决方案。

    Nov, 2023

  • 一种端到端的脑图像到脑网络流水线：Brain Diffuser

    本研究提出了基于扩散张量图像的端到端脑网络生成模型 Brain Diffuser，旨在分析结构脑网络的差异以获得结构连接性的更多特征和疾病相关信息，在阿尔茨海默病（AD）的情况下比现有工具包在 ADNI 数据库上展现出更好的性能表现。

    Mar, 2023

  • 利用解缠变分自编码器融合结构和功能连接性以检测 MCI

    考虑到多模态神经影像具有互补信息，本文提出了一种新的层次结构 - 功能连接融合（HSCF）模型，并在 ADNI 数据库上进行了测试，结果显示该模型在分类评估方面的表现优于其它竞争模型，能够更好地生成脑结构 - 功能连接并识别认知疾病的异常大脑连接。

    Jun, 2023

  • DiffGAN-F2S：基于脑 fMRI 的结构连接预测的对称高效去噪扩散生成对抗网络

    一种名为 DiffGAN-F2S 的模型被提出，通过脑 fMRI 预测脑的结构连接，并在公开的 ADNI 数据集上展现出优越的性能，能够识别重要的脑区和连接，提供了一种多模态脑网络融合和临床疾病分析的替代方案。

    Sep, 2023

  • 基于 Transformer 的脑网络分析层次聚类

    本文提出了一个新的可解释性变换器模型，用于联合分层聚类识别和脑网络分类，以实现对脑区功能组织的可行洞察。

    May, 2023

  • 整体脑连接映射的多重图一体化方法比较研究

    本文提出了利用 CBT（连接性脑模板）这一工具来捕捉人类大脑网络的代表特征和独特之处，通过使用 DGN（深度图规范化器）等工具和方法，成功构建出一个统一的全貌式脑网络表示，并在多个数据集上进行了验证。

    Apr, 2022

  • D-CoRP：用于功能性大脑网络的可微连通性优化

    我们提出了一种不可分化的模块来改进脑网络连接，并通过信息瓶颈理论和多元最优化来过滤噪声或冗余连接。我们的实验结果表明，该方法能够显著提高各种基准模型的性能，并超过其他最先进的方法，从而证明了该方法在改进脑网络连接方面的有效性和通用性。

    May, 2024

  • 多头图卷积网络用于结构连接组分类

    本文提出了一种受图卷积网络启发的机器学习模型，针对基于扩散磁共振图像的脑连接性进行分类。该模型通过并行地使用具有多个头的图形卷积机制对脑连接输入图进行处理，并使用不同的头涉及图卷积来捕获输入数据的表示，证明了在两个公开数据集上比现有的机器学习算法展现出更高的性能，包括经典方法和 (图形和非图形) 深度学习。

    May, 2023

  • 跨模态变换生成对抗网络：用于阿尔茨海默病分析的脑结构功能深度融合网络

    提出了一种名为交叉模态变换生成对抗网络（CT-GAN）的新模型，能够从功能磁共振成像（fMRI）和扩散张量成像（DTI）中有效地融合功能和结构信息，并通过分析生成的连接特征来识别与阿尔茨海默病相关的大脑连接。评估结果表明，该模型能够显著提高预测性能，有效地检测与阿尔茨海默病相关的大脑区域，并为检测与该病相关的异常神经回路提供了新的见解。

    Sep, 2023