BriefGPT - AI 论文速递
·
EAG-RS: 一种基于可解释性的自闭症诊断的区域选择框架，通过区域间关系学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种新颖的可解释的感兴趣区域选择框架，用于脑疾病识别。实验证实了该方法在自闭症谱系障碍诊断方面的有效性，并对选定的感兴趣区域进行定性分析，鉴别与先前神经科学研究相关的ASD亚型。
🎯
关键要点
- 提出了一种新颖的可解释的感兴趣区域选择框架（EAG-RS）用于脑疾病识别。
- 该框架利用可解释的人工智能技术识别脑区之间的非线性高阶功能关联。
- 选择具有类别区分能力的脑区进行自闭症谱系障碍（ASD）识别。
- 使用自闭症脑成像数据库交换（ABIDE）数据集进行实验证实了方法的有效性。
- 在各种评估指标上，该方法优于其他比较方法。
- 对选定的感兴趣区域进行定性分析，鉴别与先前神经科学研究相关的ASD亚型。
🏷️
标签
➡️
