แนวคิดหลัก
構造的MRIデータから抽出した特徴を用いて、シャイアミーズ検証フレームワークと教師なし特徴圧縮器を組み合わせることで、自閉症スペクトラム障害の早期診断を行う。
บทคัดย่อ
本研究では、自閉症スペクトラム障害(ASD)の早期診断のために、構造的MRI(sMRI)データから特徴を抽出する新しい深層学習手法を提案した。
特徴抽出の際は以下の工夫を行った:
シャイアミーズ検証フレームワークを用いて、少ないサンプル数を補完する。
教師なし特徴圧縮器を使って、クラスの不均衡を緩和する。
サンプル間の異質性に対応するため、類似度に基づいて重み付けを行う。
経時的な発達情報を捉えるためにパスシグネチャーを活用する。
さらに、提案手法に基づいて自閉症診断に重要な脳領域を特定した。実験の結果、提案手法は既存手法を上回る性能を示し、自閉症の早期診断に有効であることが示された。
สถิติ
自閉症児30名、健常児127名の合計157名のデータを使用した。
各被験者の6ヶ月時と12ヶ月時の構造的MRIデータを収集した。
各被験者の70の脳領域の表面積と皮質厚、全脳容積、性別の合計283次元の特徴量を抽出した。
คำพูด
"自閉症スペクトラム障害(ASD)は、急速に増加している公衆衛生上の脅威となっている。"
"早期診断は、より効果的な治療介入のために重要である。"
"脳MRIデータは、この時期の脳の解剖学的・機能的変化を調べる非侵襲的な手段を提供する。"