亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Cross-Modal Transformer GAN: A Brain Structure-Function Deep Fusing Framework for Alzheimer’s Disease

计算机科学 神经影像学 功能磁共振成像 保险丝(电气) 模式识别(心理学) 磁共振弥散成像 人工智能 磁共振成像 神经科学 医学 物理 放射科 量子力学 生物
作者
Junren Pan,Changhong Jing,Qiankun Zuo,Martin Nieuwoudt,Shuqiang Wang
出处
期刊:Lecture Notes in Computer Science [Springer Science+Business Media]
卷期号:: 82-92 被引量:6
标识
DOI:10.1007/978-981-97-1417-9_8
摘要

Cross-modal fusion of different types of neuroimaging data has shown great promise for predicting the progression of Alzheimer's Disease(AD). However, most existing methods applied in neuroimaging can not efficiently fuse the functional and structural information from multi-modal neuroimages. In this work, a novel cross-modal transformer generative adversarial network(CT-GAN) is proposed to fuse functional information contained in resting-state functional magnetic resonance imaging (rs-fMRI) and structural information contained in Diffusion Tensor Imaging (DTI). The developed bi-attention mechanism can match functional information to structural information efficiently and maximize the capability of extracting complementary information from rs-fMRI and DTI. By capturing the deep complementary information between structural features and functional features, the proposed CT-GAN can detect the AD-related brain connectivity, which could be used as a bio-marker of AD. Experimental results show that the proposed model can not only improve classification performance but also detect the AD-related brain connectivity effectively.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
欢喜的铭完成签到,获得积分10
1秒前
Ava的应助被369ninja采纳,获得10
9秒前
16秒前
思源的应助被369ninja采纳,获得10
27秒前
38秒前
斯文败类的应助被369ninja采纳,获得10
43秒前
47秒前
AaronW完成签到,获得积分10
54秒前
jialinding完成签到,获得积分10
57秒前
CAOHOU的应助被369ninja采纳,获得10
59秒前
拼搏愚志完成签到,获得积分10
1分钟前
科研通AI65的应助被369ninja采纳,获得10
1分钟前
如意亦瑶完成签到,获得积分10
1分钟前
小豆爱科研完成签到,获得积分10
1分钟前
魔幻荧完成签到,获得积分10
1分钟前
OK的应助被369ninja采纳,获得200
1分钟前
Lucas的应助被369ninja采纳,获得10
1分钟前
orixero的应助被369ninja采纳,获得10
2分钟前
2分钟前
努力努力再努力完成签到,获得积分10
2分钟前
情怀的应助被369ninja采纳,获得10
2分钟前
直率的宛丝完成签到,获得积分10
2分钟前
humorlife完成签到,获得积分10
2分钟前
现代的冰海完成签到,获得积分10
2分钟前
2分钟前
zyyicu完成签到,获得积分10
2分钟前
希望天下0贩的0的应助被369ninja采纳,获得10
2分钟前
霸气惜文完成签到,获得积分10
2分钟前
大模型的应助被369ninja采纳,获得10
2分钟前
2分钟前
369ninja发布了新的文献求助10
2分钟前
懦弱的代云完成签到,获得积分10
3分钟前
如意涵雁完成签到,获得积分10
3分钟前
华仔的应助被爱学习的doge采纳,获得10
3分钟前
英姑的应助被爱学习的doge采纳,获得10
3分钟前
3分钟前
3分钟前
3分钟前
3分钟前
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8179956
求助须知:如何正确求助?哪些是违规求助? 9570170
关于积分的说明 21808444
捐赠科研通 7775818
什么是DOI,文献DOI怎么找? 3433251
关于科研通互助平台的介绍 2557352
邀请新用户注册赠送积分活动 2478958