BriefGPT - AI 论文速递
·
基于人口学条件的变分自编码器用于 fMRI 分布抽样与混淆因素去除
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
使用基于变分自编码器 (VAE) 的模型 DemoVAE 对 fMRI 特征与人口统计学进行去相关，并生成以用户提供的人口统计学为基础的高质量合成 fMRI 数据。验证结果表明 DemoVAE 可以捕捉个体之间的全部变异并复现 fMRI 数据中的群体差异。与 fMRI 数据相关的临床和计算测电池领域与 DemoVAE 编码无关，仅与精神分裂症药物和症状严重程度有关的领域例外。DemoVAE 模型允许生成以受试者人口统计学信息为条件的高质量合成数据，并消除人口统计学的混杂效应。基于功能连接的预测任务受人口统计学混淆的影响较大。
🎯
关键要点
- 使用基于变分自编码器 (VAE) 的模型 DemoVAE 对 fMRI 特征与人口统计学进行去相关。
- DemoVAE 生成以用户提供的人口统计学为基础的高质量合成 fMRI 数据。
- 验证结果表明 DemoVAE 能捕捉个体之间的全部变异并复现 fMRI 数据中的群体差异。
- 大多数与 fMRI 数据相关的临床和计算测电池领域与 DemoVAE 编码无关，只有与精神分裂症药物和症状严重程度有关的领域例外。
- DemoVAE 模型允许生成以受试者人口统计学信息为条件的高质量合成数据，并消除人口统计学的混杂效应。
- 基于功能连接的预测任务受人口统计学混淆的影响较大。
➡️
