A NETWORK-BASED APPROACH TO STUDY OF ADHD USING TENSOR DECOMPOSITION OF RESTING STATE FMRI DATA.
A NETWORK-BASED APPROACH TO STUDY OF ADHD USING TENSOR DECOMPOSITION OF RESTING STATE FMRI DATA.
复制标题
DOI：
10.1109/isbi45749.2020.9098584
复制
发表时间：
2020-04
期刊：
影响因子：
--
通讯作者：
Leahy RM
中科院分区：
文献类型：
--
作者：
Li J;Joshi AA;Leahy RM
使用功能性磁共振成像（fMRI）识别注意缺陷多动障碍（ADHD）的功能连接变化可以帮助我们了解这种大脑疾病的神经基础。在过去的十年中，许多使用静息状态fMRI（rs-fMRI）数据的ADHD研究都是使用手动制作的功能无法产生令人满意的性能，或者自动学习的功能通常缺乏可解释性。在这项工作中，我们提出了一个基于张量的方法来识别大脑网络和提取功能的rs-fMRI数据。结果表明，识别出的网络是可解释的，并且与我们目前对ADHD状况的理解一致。提取的特征不仅是ADHD分数的预测，但也从典型发育的儿童ADHD主题的分类区分。
Identifying changes in functional connectivity in Attention Deficit Hyperactivity Disorder (ADHD) using functional magnetic resonance imaging (fMRI) can help us understand the neural substrates of this brain disorder. Many studies of ADHD using resting state fMRI (rs-fMRI) data have been conducted in the past decade with either manually crafted features that do not yield satisfactory performance, or automatically learned features that often lack interpretability. In this work, we present a tensor-based approach to identify brain networks and extract features from rs-fMRI data. Results show the identified networks are interpretable and consistent with our current understanding of ADHD conditions. The extracted features are not only predictive of ADHD score but also discriminative for classification of ADHD subjects from typically developed children.
登录
查看更多内容
影响因子：
2.9
作者：
Rubia K
通讯作者：
Rubia K
影响因子：
10.9
作者：
Li, Jian;Choi, Soyoung;Leahy, Richard M.
通讯作者：
Leahy, Richard M.
自闭症和注意力缺陷/多动障碍中共享和独特的内在功能网络中心性
影响因子：
10.6
作者：
Di Martino A;Zuo XN;Kelly C;Grzadzinski R;Mennes M;Schvarcz A;Rodman J;Lord C;Castellanos FX;Milham MP
通讯作者：
Milham MP
影响因子：
3
作者：
Brown MR;Sidhu GS;Greiner R;Asgarian N;Bastani M;Silverstone PH;Greenshaw AJ;Dursun SM
通讯作者：
Dursun SM
影响因子：
2.5
作者：
COOK, RD
通讯作者：
COOK, RD