Exploiting the Brain’s Network Structure for Automatic Identification of ADHD Subjects

要約

注意欠陥多動性障害（ADHD）は、子供に影響を与える一般的な行動上の問題です。
この研究では、安静状態の脳の機能的磁気共鳴画像法 (fMRI) シーケンスを使用して、ADHD 被験者の自動分類を調査します。
私たちは、脳が機能ネットワークとしてモデル化できること、そしてネットワークの特定の特性が ADHD 被験者と対照被験者では異なることを示します。
ネットワークとしての脳の機能をモデル化するのに役立つ、実験プロトコルの時間枠にわたる脳ボクセルの活動のペアワイズ相関を計算します。
ネットワークを構成するボクセルごとに、さまざまなネットワーク特徴が計算されます。
脳内のすべてのボクセルのネットワーク特徴を連結したものが特徴ベクトルとして機能します。
次に、一連の被験者からの特徴ベクトルを使用して、PCA-LDA (主成分分析 – 線形判別分析) ベースの分類器をトレーニングします。
私たちは、ADHD 関連の違いは脳の特定の領域に存在し、それらの領域の特徴のみを使用するだけで ADHD を識別し、被験者を制御するのに十分であると仮説を立てました。
有用な領域のみを含む脳マスクを作成する方法を提案し、マスクされた領域の特徴を使用することでテスト データ セットの分類精度が向上することを実証します。
私たちは 776 人の被験者を使って分類子をトレーニングし、ADHD-200 チャレンジ用に The Neuro Bureau から提供された 171 人の被験者をテストしました。
グラフ モチーフ特徴、特に長さ 3 のネットワーク サイクルにおけるボクセルの参加頻度を表すマップの有用性を示します。マスキングを伴う 3 サイクル マップ特徴を使用すると、最高の分類パフォーマンス (69.59%) が達成されます。
私たちが提案したアプローチは、この障害を診断して理解できるという点で有望です。

要約(オリジナル)

Attention Deficit Hyperactive Disorder (ADHD) is a common behavioral problem affecting children. In this work, we investigate the automatic classification of ADHD subjects using the resting state Functional Magnetic Resonance Imaging (fMRI) sequences of the brain. We show that the brain can be modeled as a functional network, and certain properties of the networks differ in ADHD subjects from control subjects. We compute the pairwise correlation of brain voxels’ activity over the time frame of the experimental protocol which helps to model the function of a brain as a network. Different network features are computed for each of the voxels constructing the network. The concatenation of the network features of all the voxels in a brain serves as the feature vector. Feature vectors from a set of subjects are then used to train a PCA-LDA (principal component analysis-linear discriminant analysis) based classifier. We hypothesized that ADHD-related differences lie in some specific regions of the brain and using features only from those regions is sufficient to discriminate ADHD and control subjects. We propose a method to create a brain mask that includes the useful regions only and demonstrate that using the feature from the masked regions improves classification accuracy on the test data set. We train our classifier with 776 subjects and test on 171 subjects provided by The Neuro Bureau for the ADHD-200 challenge. We demonstrate the utility of graph-motif features, specifically the maps that represent the frequency of participation of voxels in network cycles of length 3. The best classification performance (69.59%) is achieved using 3-cycle map features with masking. Our proposed approach holds promise in being able to diagnose and understand the disorder.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google