您现在的位置:网站首页>新闻动态

新闻动态

医学部汪天富教授团队在《Medical Image Analysis》上发表文章

文章来源: 作者: 发布时间:2021年10月15日 点击数: 字体:

近期,深圳大学医学部生物医学工程学院汪天富教授团队的研究成果《Auto-weighted Centralised Multi-Task Learning via Integrating Functional and Structural Connectivity for Subjective Cognitive Decline Diagnosis》在顶级期刊Medical Image Analysis(2021年IF:8.544)上发表。论文第一作者是雷柏英副教授,第二作者是硕士研究生成妮娜(导师:雷柏英),张治国教授为共同通讯作者,深圳大学为第一署名单位,广西大学第一附属医院与广西壮族自治区人民医院为合作单位。

主观认知衰退(subjective cognitive decline,SCD)是指患者记忆能力发生衰退,但其他传统神经心理学测试无异常的症状。作为阿尔茨海默病(Alzheimer‘s disease,AD)最早症状,其发生在轻度认知障碍(Mild cognitive impairment,MCI)之前,与MCI一起作为AD的早期症状。SCD患者有很大的概率发展为MCI和AD,因此,将识别SCD作为延缓疾病进展的早期干预。在这项工作中,我们的目标是提出一个SCD的自动诊断框架。

该研究提出一种特征学习算法,命名为自动权重中心化多任务学习。首先对两种模态(fMRI, DTI)的数据进行预处理,使用fMRI构建功能脑网络和使用DTI构建结构脑网络。接着,对于所构建的功能脑网络和结构脑网络进行多任务特征学习,在此模型中,不同模态的任务的特征权重将会被自动学习。经过选择的特征将会被输入到支持向量机分类器中进行分类。利用此方法融合功能脑网络和结构脑网络,并且提取出与疾病诊断最相关的信息。我们提出的方法取得了优秀的结果,在NC vs SCD分类任务中准确率达到84.80%,在SCD vs MCI分类任务中准确率达到89.12%,在与最新其他方法的对比中取得最好的结果。

该研究获得了国家自然科学基金、广东省自然科学基金、深圳市重点基础研究发展计划等项目资助。

研究成果链接:https://doi.org/10.1016/j.media.2021.102248

202110151556088411.Png

提出自动权重中心化多任务学习

【打印文章】 【添加收藏】