Machine Learning on Dynamic Functional Connectivity: Promise, Pitfalls, and Interpretations

要約

前例のない量の既存の機能的磁気共鳴画像法 (fMRI) データは、データ駆動型のアプローチを使用して、機能の変動と人間の認知/行動の関係を理解する新たな機会を提供します。
この目的を達成するために、血中酸素濃度依存性 (BOLD) 信号の進化するボリューム画像から認知状態を予測する機械学習において、多大な努力が払われてきました。
ただし、脳機能の複雑な性質により、学習パフォーマンスと発見に関する評価は、現在の最先端技術 (SOTA) 全体で一貫していないことがよくあります。
私たちは、既存の大規模な神経画像データ (6 つの公的データベースからの 34,887 データ サンプル) を活用することで、基盤となる方法論を神経科学領域の知識と結び付けることで、機能神経画像の深層モデルを設計するための十分に根拠のある経験的ガイドラインの確立を目指しています。
具体的には、（1）fMRIを用いた認知課題認識と疾患診断におけるSOTAの現状のパフォーマンスはどうなっているのか？
(2) 現在のディープ モデルの制限は何ですか?
(3) 新しい神経画像アプリケーションに適した機械学習バックボーンを選択するための一般的なガイドラインは何ですか?
上記の未解決の質問に答えるために、さまざまな設定で包括的な評価と統計分析を実施しました。

要約(オリジナル)

An unprecedented amount of existing functional Magnetic Resonance Imaging (fMRI) data provides a new opportunity to understand the relationship between functional fluctuation and human cognition/behavior using a data-driven approach. To that end, tremendous efforts have been made in machine learning to predict cognitive states from evolving volumetric images of blood-oxygen-level-dependent (BOLD) signals. Due to the complex nature of brain function, however, the evaluation on learning performance and discoveries are not often consistent across current state-of-the-arts (SOTA). By capitalizing on large-scale existing neuroimaging data (34,887 data samples from six public databases), we seek to establish a well-founded empirical guideline for designing deep models for functional neuroimages by linking the methodology underpinning with knowledge from the neuroscience domain. Specifically, we put the spotlight on (1) What is the current SOTA performance in cognitive task recognition and disease diagnosis using fMRI? (2) What are the limitations of current deep models? and (3) What is the general guideline for selecting the suitable machine learning backbone for new neuroimaging applications? We have conducted a comprehensive evaluation and statistical analysis, in various settings, to answer the above outstanding questions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google