DeepMultiConnectome은 확산 MRI tractography로부터 직접적으로 뇌의 구조적 연결체를 예측하는 심층 학습 모델입니다. 기존의 연결체 생성 방식과 달리 회색질 분할 과정이 필요 없어 대규모 연구에 적합하며, 다중 분할 방식을 지원합니다. 점 구름 기반 신경망과 다중 작업 학습을 사용하여, 두 가지 분할 방식에 따른 연결 영역을 분류하며 학습된 표현을 공유합니다. Human Connectome Project Young Adult 데이터셋 (n=1000)의 tractography 데이터를 사용하여 84 및 164 영역 회색질 분할 방식으로 학습 및 검증되었습니다. 약 40초 내에 3백만 개의 streamline을 포함하는 전뇌 tractogram으로부터 여러 구조적 연결체를 예측하며, 기존 방식으로 생성된 연결체와 높은 상관관계를 보입니다 (84 영역: r=0.992, 164 영역: r=0.986). 네트워크 특성을 잘 유지하며, 재검사 분석에서 기존 방식과 유사한 재현성을 보였고, 나이와 인지 기능 예측에서도 유사한 성능을 보입니다.
