相較于傳統(tǒng)的腦影像分析,作為大腦機(jī)理探索和腦疾病研究重要工具的腦網(wǎng)絡(luò)計(jì)算,則側(cè)重于不同腦區(qū)之間的相互作用和連接模式,能夠更好地反映大腦作為一個(gè)整體系統(tǒng)的運(yùn)作機(jī)制,有助于從整體角度理解大腦信息處理的方式。此外,腦網(wǎng)絡(luò)計(jì)算能捕捉神經(jīng)活動(dòng)中的非線性異常特征,分析潛在的神經(jīng)機(jī)制變化,為開(kāi)發(fā)基于調(diào)控大腦網(wǎng)絡(luò)的創(chuàng)新性治療手段提供理論依據(jù)。
8月18日,中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院數(shù)字所王書(shū)強(qiáng)課題組在人工智能權(quán)威期刊IEEE Transactions on Pattern Analysis and Machine Intelligence在線發(fā)表了題為"A New Brain Network Construction Paradigm for Brain Disorder via Diffusion-based Graph Contrastive Learning"的研究成果。首次實(shí)現(xiàn)了基于生成式AI優(yōu)化模型的End-to-End腦網(wǎng)絡(luò)構(gòu)建。
論文發(fā)表截圖
生成式AI通過(guò)從數(shù)據(jù)中自動(dòng)學(xué)習(xí)提取隱藏的模式和規(guī)律,在模擬復(fù)雜自然過(guò)程、分析和預(yù)測(cè)科學(xué)數(shù)據(jù)等方面表現(xiàn)出巨大潛力。相較于傳統(tǒng)方法,生成式AI在學(xué)習(xí)復(fù)雜腦網(wǎng)絡(luò)結(jié)構(gòu)和連接模式特征方面具有顯著優(yōu)勢(shì),它能從腦網(wǎng)絡(luò)異常特征中挖掘潛在的神經(jīng)生理病理機(jī)制,為神經(jīng)系統(tǒng)疾病的病因研究提供新線索。
與傳統(tǒng)的腦影像分析相比,腦網(wǎng)絡(luò)計(jì)算在探索大腦機(jī)理和腦疾病分析具有顯著優(yōu)勢(shì)。然而,現(xiàn)有的腦網(wǎng)絡(luò)構(gòu)建方法面臨著效率低、一致性差、高度經(jīng)驗(yàn)依賴等問(wèn)題。針對(duì)上述問(wèn)題,研究團(tuán)隊(duì)提出了一種基于擴(kuò)散-圖對(duì)比學(xué)習(xí)模型(DGCL)的腦網(wǎng)絡(luò)構(gòu)建新范式。
具體而言,研究團(tuán)隊(duì)首先通過(guò)設(shè)計(jì)的大腦區(qū)域感知模塊(BRAM)的擴(kuò)散學(xué)習(xí)過(guò)程,實(shí)現(xiàn)個(gè)性化腦區(qū)的精準(zhǔn)定位,避免了主觀參數(shù)選擇,并自動(dòng)化對(duì)齊標(biāo)準(zhǔn)腦模板空間。然后利用圖對(duì)比學(xué)習(xí)思想,通過(guò)稀疏化冗余連接,實(shí)現(xiàn)個(gè)體化大腦連接優(yōu)化,從而增強(qiáng)同一組內(nèi)大腦網(wǎng)絡(luò)的一致性。最終通過(guò)設(shè)計(jì)節(jié)點(diǎn)-圖對(duì)比損失和分類(lèi)損失的聯(lián)合約束機(jī)制,實(shí)現(xiàn)重建腦網(wǎng)絡(luò)優(yōu)化。
DGCL模型圖
為了驗(yàn)證所提出的DGCL模型在腦網(wǎng)絡(luò)構(gòu)建和腦疾病分析任務(wù)上的通用性和泛化性,研究團(tuán)隊(duì)分別在面向阿爾茨海默?。?/span>AD)的ADNI數(shù)據(jù)集和面向自閉癥障礙(ASD)的ABIDE數(shù)據(jù)集進(jìn)行了大量消融實(shí)驗(yàn)和對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,相較于現(xiàn)有腦網(wǎng)絡(luò)構(gòu)建工具,DGCL在腦網(wǎng)絡(luò)構(gòu)建效率、可靠性(ICC),以及腦疾病預(yù)測(cè)精度等方面具有顯著優(yōu)勢(shì)。
通過(guò)對(duì)AD和ASD不同階段腦網(wǎng)絡(luò)連接模式分析發(fā)現(xiàn):兩種模式的腦網(wǎng)絡(luò)連通性在疾病早期都呈上升趨勢(shì),然后在疾病中期-晚期階段時(shí)減少到較低水平。這一發(fā)現(xiàn)與腦科學(xué)研究中的神經(jīng)連接代償機(jī)制一致。
不同腦疾病階段的腦網(wǎng)絡(luò)連接模式
王書(shū)強(qiáng)課題組長(zhǎng)期專注于基于生成式AI的腦影像-腦網(wǎng)絡(luò)計(jì)算領(lǐng)域的研究,在腦影像增強(qiáng)、跨模態(tài)生成、腦網(wǎng)絡(luò)構(gòu)建和腦疾病智能輔助診斷等方面取得一系列成果,相關(guān)工作發(fā)表在IEEE Transactions on Medical Imaging、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Computational Imaging等權(quán)威期刊上,其中5篇入選ESI高被引論文。
王書(shū)強(qiáng)課題組近年來(lái)在“基于生成式AI的腦影像-腦網(wǎng)絡(luò)計(jì)算”方向的代表性工作
王書(shū)強(qiáng)研究員為該文章的通訊作者,數(shù)字所研究生宗永承為第一作者。該文章獲得國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金等科技項(xiàng)目支持。
附件下載: