每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

可控表面扩散神经发育轨迹生成模型

Created by
  • Haebom

作者

谢振山、Levente Baljer、M. Jorge Cardoso、Emma Robinson

大纲

本文介绍了一项利用个体化模拟技术构建神经发育轨迹的研究，旨在解决早产导致认知和行为障碍风险增加的问题。我们强调了现有生成模型在维持个体皮质褶皱模式或特定区域形态变化方面的困难，并提出了一种新型图扩散网络，可以可控地模拟皮质成熟过程。我们使用 DHCP 数据验证了该模型的性能，结果表明，该模型能够在维持个体皮质形态的同时充分模拟皮质成熟过程，其性能优于独立训练的年龄回归网络，预测准确率达到 0.85 ± 0.62。

Takeaways, Limitations

•
Takeaways：
◦
个性化的神经发育模拟表明可以早期预测与早产相关的认知和行为障碍。
◦
我们提出了一种方法，使用图形扩散网络有效地模拟皮质成熟过程，同时保持个体受试者的皮质形态。
◦
可能有助于发现评估早产儿神经发育风险的新生物标志物。
•
Limitations：
◦
预测精度的标准差较大（0.85±0.62），模型的稳健性和泛化性能有待进一步研究。
◦
由于本研究基于 DHCP 数据，因此需要验证其对其他数据集的普遍性。
◦
实际临床应用还需要进一步的验证和研究。
👍
Made with Slashpage