MSR-IVA: 用于结构MRI与动态功能网络连接状态感知融合的掩模结构残差独立向量分析

arXiv cs.LG 论文
neuroimaging multimodal-fusion medical-imaging ai-research brain-connectivity alzheimer-disease

摘要

提出MSR-IVA，一种用于融合结构MRI与动态功能网络连接的状态感知框架，在阿尔茨海默病队列中，匹配源耦合提升6.5%，非匹配依赖降低15.7%。

arXiv:2608.24978v1 Announce Type: new 摘要：结构MRI (sMRI)与动态功能网络连接 (dFNC) 的多模态融合可以揭示大脑结构如何与变化的功能状态相关联。当相同的结构潜在表征与多个状态耦合时，对每个状态单独应用独立向量分析 (IVA) 可能产生不相关的结构分解，而强制使用相同的分解则可能抑制状态特异性的关系。此外，并非每个被试都会表现出所有动态状态。我们提出了掩模结构残差IVA (MSR-IVA)，这是一种状态感知框架，它将共享结构表征与状态特异性残差适应以及针对不完全状态表达的掩模相结合。在阿尔茨海默病神经影像学计划队列中，与独立的成对IVA基线相比，MSR-IVA的匹配源耦合提升了6.5%，非匹配依赖降低了15.7%。在表达两种状态的被试中，MSR-IVA的平均绝对跨状态结构源相关性为0.9177，而无共享时为0.2978，这表明受控的结构共享在保持源对应的同时允许状态特异性适应。
查看原文

相似文章

多发性硬化症诱导的脑损伤模拟联邦分析

arXiv cs.LG

本文介绍了一个用于多发性硬化症（MS）脑损伤联邦分析的模拟框架，该框架将图像分割与临床数据分析相结合，在保护患者隐私的同时测试联邦学习方法。