DeepMultiConnectome은 확산텐서영상(dMRI) 섬유속 추적자료로부터 회색질 분할 과정 없이 다양한 분할 방식에 맞춰 뇌의 구조적 연결체를 빠르게 예측하는 심층 학습 모델이다. 점구름 기반 신경망과 다중 작업 학습을 사용하여, 두 가지 다른 회색질 분할 방식에 따른 섬유속의 연결 영역을 분류하며, 학습된 표현을 공유한다. Human Connectome Project Young Adult 데이터셋(n=1000)을 사용하여 84 및 164 영역 회색질 분할 방식으로 학습 및 검증되었으며, 3백만 개의 섬유속을 포함하는 전뇌 섬유속 추적자료로부터 다중 구조적 연결체를 약 40초 만에 예측한다. 기존의 회색질 분할 방식을 이용한 연결체와 비교하여 높은 상관관계(84영역: r=0.992, 164영역: r=0.986)를 보이며, 네트워크 특성을 잘 유지한다. 재검사 분석 결과 기존 방식과 비슷한 재현성을 보였고, 나이 및 인지 기능 예측 성능 또한 유사했다. 결론적으로 DeepMultiConnectome은 다양한 분할 방식에 걸쳐 개인별 연결체를 생성하는 확장 가능하고 빠른 모델이다.
