图卷积网络分类精神分裂症

图卷积网络分类精神分裂症

图卷积网络(GCN)方法允许分类精神分裂症在个体层面,根据5月15日在网上发表的一项研究精神分裂症公告。

杜Lei,从在成都四川大学,中国,和他的同事使用GCN检查脑功能网络的拓扑异常在精神分裂症中使用静息状态图像数据从505精神分裂症患者和907名对照。对于每一个个体,整个大脑功能连接矩阵提取。政府通讯的性能是研究相对于支持向量机(SVM)。

研究人员发现,与支持向量机相比,GCN启用名义上更高的分类精度(85.8 80.9%)。最歧视的大脑区域是位于一个分布式,包括纹状体区(壳核、苍白球和尾状),杏仁核,基于显著图。双边壳核和苍白球的节点效率之间显著不同病人和控制,和阴性症状的相关性在因果分析。

“这些发现支持纹状体区域的拓扑的概念,包括壳核和苍白球,可能代表一个核心神经赤字的负面症状,”作者写道。

两位作者披露财务关系的生物制药产业。


进一步探索

改变大脑的拓扑架构在创伤后应激障碍

更多信息:杜Lei et al,图卷积网络揭示网络级功能Dysconnectivity精神分裂症,精神分裂症的公告(2022)。DOI: 10.1093 / schbul / sbac047

©2022每日健康。保留所有权利。

引用精神分裂症:图卷积网络可以分类检索(2022年6月20日)2022年7月11日从//www.pyrotek-europe.com/news/2022-06-graph-convolutional-network-schizophrenia.html
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。
8股票

反馈给编辑