resting-state functional magnetic resonance imaging

关键词resting-state functional magnetic resonance imaging

搜索结果 - 8

基于增强的无监督跨领域功能磁共振成像适应用于重性抑郁症识别
本文提出了一种基于数据增强的无监督跨领域功能磁共振成像自适应（AUFA）框架，用于自动诊断 MDD（重度抑郁障碍）。实验证明，AUFA 在 MDD 鉴定方面优于几种最先进的方法，不仅减少了不同站点之间的数据异质性，还定位了与疾病相关的功能连
PDFa month ago
脑网络与智力：一种基于图神经网络的静息态 fMRI 数据方法
使用静息态功能磁共振成像技术 (RsfMRI)，本文提出了一种名为 BrainRGIN 的新型建模架构，通过在静态功能网络连接矩阵上使用图神经网络，预测智力 (流体、晶体和总体智力)。在青少年大脑认知发展数据集上评估了我们的模型，证明了其在
PDF8 months ago
HDGL：一种用于脑疾病分类的层次动态图表示学习模型
我们提出了一种分层动态图表示学习模型 (HDGL)，该模型可以构建大脑网络图，并学习它们的空间和时间嵌入，并在嵌入学习后形成人群图并进行分类。通过在 ABIDE 和 ADHD-200 数据集上评估该模型的性能，结果显示在多种评估指标上相较于
PDF8 months ago
EAG-RS: 一种基于可解释性的自闭症诊断的区域选择框架，通过区域间关系学习
基于静息态功能磁共振成像 (rs-fMRI) 的深度学习模型被广泛应用于诊断脑疾病，尤其是自闭症谱系障碍 (ASD)。本文提出了一种新颖的可解释的感兴趣区域 (ROI) 选择框架（EAG-RS），通过利用可解释的人工智能技术识别脑区之间的非
PDF9 months ago
保持联邦图学习在基于 fMRI 的神经疾病识别中的特异性
提出了一种具有个性化分支的特异性感知的联邦图学习 (SFGL) 框架，用于静息状态功能磁共振成像 (rs-fMRI) 分析和自动脑疾病识别，通过集中模型聚合和预测，在多个客户 / 站点之间促进知识共享，并保留站点特异性。
PDF10 months ago
利用大脑模块性先验进行 fMRI 可解释表征学习
本文提出了一种基于大脑模块化的动态表示学习框架，利用图神经网络和神经认知模块进行核心区域的提取，以更好地利用脑功能网络的模块化结构，探究有效的 fMRI 生物标记物用于临床诊断。
PDFa year ago
将深度学习与专家知识结合用于小儿抗药性癫痫的静息态功能磁共振癫痫起始区定位
DeepXSOZ 是一种结合深度学习和集成领域专家知识的技术，用于自动识别药物难治性癫痫患者的癫痫发作起始区，可显著减少手动专家排序工作量，是一种潜在的低成本门诊手术前筛查工具。
PDFa year ago
从多中心静息态数据中提取可再生的生物标志物：以自闭症为例
研究使用 R-fMRI 从人们的脑功能区构建个体特定的连通图谱，能够提高自闭症谱系障碍患者的神经心理状态的识别准确率，其数据集可以从多个不同处获取，且所提取的功能脑区明显比参考图谱更具有生物标志物发现的重要性。
PDF8 years ago