- 博客(9)
- 收藏
- 关注
RSS订阅原创 文献解读05-Brain Connectivity Based Graph Convolutional Networks and Its Application to Infant Age
婴儿期是人类大脑发育的关键时期，脑年龄是与神经影像学数据相关联的脑发育状态指标之一，基于神经影像学预测的年龄与实际年龄之间的差异可以提供偏离正常发育轨迹的重要早期指标.在这项研究中，我们利用图卷积网络（GCN）预测婴儿的大脑年龄的基础上休息状态的功能磁共振成像数据。从rs-fMRI获得的大脑连接可以表示为以大脑区域为节点和功能连接为边的图。然而，由于大脑的连通性是一个完全连接的图与边缘的功能，目前的GCN不能直接使用它是一个基于节点的方法稀疏图。
2024-01-02 15:33:15
1127
原创 文献解读04-Interpretable learning based Dynamic Graph Convolutional Networks for Alzheimer’s Disease
图卷积网络（GCN）通过聚集每个样本的邻域信息来输出鲁棒的节点嵌入，被广泛应用于分类任务。然而，传统的GCN方法在训练过程中不更新图，因此它们的有效性总是受到输入图质量的影响。此外，以前的GCN方法缺乏可解释性，限制了它们的真实的应用。在本文中，提出了一种新的个性化诊断技术，通过耦合可解释的特征学习与动态图学习到GCN架构的早期阿尔茨海默病（AD）的诊断。具体而言，可解释特征学习模块选择信息特征以提供疾病诊断的可解释性，并放弃冗余特征以捕获数据点的内在相关性。
2023-12-20 15:00:27
1133
1
原创 文献解读03-Multimodal Cross Enhanced Fusion Network for Diagnosis of Alzheimer’s Disease and Subjective
已经提出了使用多模态成像的深度学习方法来诊断阿尔茨海默病（AD）及其早期阶段（SMC，主观记忆抱怨），这可能有助于通过早期干预减缓疾病的进展。然而，目前的多模态成像融合方法通常是粗糙的，并可能导致次优的结果，通过使用共享的提取器或简单的缩小拼接。诊断脑部疾病的另一个问题是，它们通常会影响大脑的多个区域，因此考虑整个大脑的潜在连接非常重要。然而，传统的卷积神经网络（CNN）可能会因为其有限的局部感受野而难以解决这个问题。
2023-12-18 15:12:25
1133
1
原创 文献解读02-DeAF: A multimodal deep learning framework for disease prediction
多模态深度学习模型已被应用于疾病预测任务，但由于子模型和融合模块之间的冲突，训练存在困难。为了缓解这个问题，我们提出了一个解耦特征对齐和融合（DeAF）的框架，该框架将多模态模型训练分为两个阶段。在第一阶段中，进行无监督表示学习，并使用模态自适应（MA）模块来对齐来自各种模态的特征。在第二阶段，自我注意力融合（SAF）模块使用监督学习将医学图像特征和临床数据相结合。此外，我们应用DeAF框架来预测CRS对结直肠癌的术后疗效以及MCI患者是否转变为阿尔茨海默病。
2023-11-26 21:10:02
224
1
原创 文献解读01-Multi-level and joint attention networks on brain functional connectivity for cross-cognitive
静息态功能性 MRI （rs-fMRI） 的深度学习在预测单一认知或精神疾病方面取得了巨大成功。然而，认知功能或精神疾病可能共享有利于其预测/分类的神经机制。我们提出了一个多层次和联合注意力（ML-Joint-Att）网络，以学习大脑功能连接的高阶表示，这些连接是特定的，并在多个任务中共享。我们设计了具有边缘和节点卷积算子的ML-Joint-Att网络，一个自适应初始模块和三个注意力模块，包括网络、区域和区域联合注意力模块。自适应初始在多个空间尺度上学习大脑功能连接。
2023-11-25 19:55:57
700
原创 论文所用时态
研究背景：陈述事实为主：一般现在时；一般性的陈述，未特指是哪一篇论文：现在完成时；某些文献曾说过，引用文献放在句末：现在完成时；特定文献，文献/作者放在主词：过去时；谈到过去研究集中在某些地方，但另外一些地方缺乏：现在时，现在完成时；描述本文的工作：现在时；文献探讨中，应该从一般性的事实陈述（现在时，现在完成时），慢慢写到特定的研究（过去时，过去完成时）。
2023-11-24 18:25:00
355
1
原创 大脑分区（阿尔茨海默病受影响脑区）
大脑一共分为4个部分：大脑皮层、脑中央区域、脑干、小脑这些部分共同协作，形成一个复杂的神经网络，实现了人类高级认知和生理功能。每个区域都有其独特的功能，但它们也通过神经通路相互联系，以实现整体的协调和平衡。
2023-11-23 15:30:47
637
原创 功能磁共振成像（fMRI）的知识点
这两种类型的区别在于实验设计和研究对象。任务态fMRI关注特定任务条件下的大脑活动，通过任务的执行来激活特定的功能区域。静息态fMRI则关注大脑在放松状态下的自发神经活动，研究大脑的功能连接和网络模式。**任务态fMRI：**关注任务执行期间的大脑活动，用于研究任务相关的功能定位和激活模式。**静息态fMRI：**关注放松状态下的大脑活动，用于研究大脑的功能连接、功能网络和脑网络的异常。
2023-11-22 16:58:30
416
原创 医学图像期刊分区
2023年影响因子/JCR分区：4.212/Q1。2023年影响因子/JCR分区：3.026/Q1。2023年影响因子/JCR分区：10.6/Q1。2023年影响因子/JCR分区：10.9/Q1。2023年影响因子/JCR分区：18.6/Q1。2023年影响因子/JCR分区：5.7/Q1。2023年影响因子/JCR分区：6.1/Q1。2023年影响因子/JCR分区：0.0/Q1。2023年影响因子/JCR分区：4.8/Q1。2023年影响因子/JCR分区：0.0/Q1。
2023-11-21 21:57:01
637
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人