实体
REST-meta-MDD
REST-meta-MDD
PulseAugur coverage of REST-meta-MDD — every cluster mentioning REST-meta-MDD across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架利用多模态脑成像改善跨站点重度抑郁症分类
研究人员开发了M2LG-DG，一个新颖的框架，旨在利用不同临床站点之间的静息态功能磁共振成像（rs-fMRI）数据来改善重度抑郁症（MDD）的分类。这种多模态方法整合了局部和全局大脑连接模式与非成像数据，将表示分解为共享和私有组件。通过采用跨站点监督对比目标，M2LG-DG鼓励模型在不同的采集域中保留诊断信息。该框架表现强劲，在四个预留的REST-meta-MDD站点上实现了69.48%的AUC，并为其他神经影像分类任务展现了潜力。
-
新的fMRI分析框架提高了脑部疾病的检测能力
研究人员开发了一个名为MSFL的新框架，该框架结合了fMRI信号的幅度和相位信息，以提高脑部疾病的检测能力。这种多尺度融合学习方法利用滑动窗口相关性（SWC）进行幅度相关性分析，并利用相位同步性（PS）进行相位相干性分析。在自闭症谱系障碍和重度抑郁症数据集上进行测试时，MSFL与现有模型相比表现出优越的性能，分析表明SWC和PS特征都有助于准确分类。
-
新的CORE框架改进了跨不同地点的大脑网络学习
研究人员开发了一个名为CORE的新框架，以改进对来自不同地点fMRI数据的大脑网络分析。该方法解决了站点特定偏差和平均连接性模糊了重要的瞬态动力学，阻碍了泛化的问题。CORE通过解耦站点特定的混淆因素，提取稳定的连接性边的种群支架，然后在该支架上模拟瞬态通路动力学。实验表明，CORE在跨站点泛化方面显著优于现有方法，即使在脑分区方案存在差异的情况下也是如此。