对应论文

GenFAR: A generalized representation of brain structure, derived from 49,246 multi-cohort MRIs via deep learning

视频简介

深度学习模型在神经影像应用中通常为单一任务设计,跨任务知识迁移受限,缺乏通用的大脑结构表征。 GenFAR提出模块化深度学习框架,基于49,246名受试者、11个队列、17项分类和回归任务进行顺序学习,并结合Donor Score度量任务贡献,通过分析5,000条任务序列确定最优顺序长度。 实验发现六个任务为最优序列长度,年龄、AD/MCI、MMSE、高血压、高脂血症为强供体任务;在训练外任务上验证了表征的可复用性,显著提升样本效率和模型准确率。 该方法为脑MRI提供通用表征基础,促进知识迁移;但仅针对MRI模态,且未与现有方法进行定量对比,存在局限性。

外部视频链接

论文链接