[论文解读] Hill Climbing Optimized Twin Classification Using Resting-State Functional MRI.

Andrey Gritsenko, Martin A. Lindquist+2 more|arXiv (Cornell University)|Jun 30, 2018

Functional Brain Connectivity Studies被引用 4

一句话总结

本研究提出了一种新颖的孪生分类框架，利用静息态fMRI通过将fMRI信号投影到余弦级数基函数上，实现紧凑且具有判别性的特征表示，随后应用孪生相关性特征与爬山优化算法，识别受遗传因素影响的脑区。该方法在人类连接组计划的208对双胞胎数据中实现了94.19% ± 3.53%的准确率。

ABSTRACT

Twin imaging studies are an important part of human brain research that can reveal the importance of genetic influences on different aspects of brain behavior and disorders. Accurate characterization of identical and fraternal twins allows inference to be performed on the genetic influence in a population. In this paper, we propose a novel pairwise feature representation to classify the zygosity of twin pairs using resting state functional magnetic resonance images (rs-fMRI). Specifically, we project an fMRI signal to a set of cosine series basis, and use the projection coefficients as the compact and discriminative feature representation of noisy fMRI data. The pairwise relation is encoded by a set of twin-wise correlations between the new feature representations across brain regions. We further employ Hill Climbing variable selection to identify the brain regions that are most genetically affected. The proposed framework has been applied to 208 twin pairs in the Human Connectome Project (HCP) and we achieved 94.19($\pm$3.53)% classification accuracy in determining the zygosity of paired images.

研究动机与目标

• 通过使用静息态fMRI数据，提高双胞胎研究中同卵异卵分类的准确性。
• 通过开发紧凑且具有判别性的特征表示，解决fMRI信号噪声大的挑战。
• 通过转换特征的区域间相关性，对双胞胎之间的成对关系进行建模。
• 利用变量选择方法识别受遗传因素影响最显著的脑区。
• 在人类连接组计划的大型双胞胎队列上验证该框架。

提出的方法

• 将原始fMRI信号投影到一组余弦级数基函数上，生成低维、抗噪的特征表示。
• 针对每对双胞胎，计算不同脑区间余弦系数向量之间的成对相关性特征。
• 应用爬山算法进行变量选择，识别与遗传因素最相关的脑区。
• 将所选特征作为分类模型的输入，以确定同卵与异卵双胞胎的分类结果。
• 在人类连接组计划数据集的208对双胞胎上进行分类模型的训练与评估。
• 通过在候选脑区中迭代搜索，优化特征选择与分类性能。

实验结果

研究问题

• RQ1 与标准方法相比，从fMRI信号中提取的成对特征表示是否能提升同卵异卵分类的准确率？
• RQ2 余弦基投影在从噪声较大的rs-fMRI数据中捕捉判别性特征方面效果如何？
• RQ3 通过爬山选择过程识别出的哪些脑区表现出最强的遗传影响？
• RQ4 该框架在人类连接组计划大型双胞胎队列上的分类性能如何？
• RQ5 双胞胎之间特征表示的成对相关性如何增强对遗传影响的检测？

主要发现

• 所提出的方法在区分同卵与异卵双胞胎对时，分类准确率达到94.19% ± 3.53%。
• 余弦基投影有效降低了噪声，并提供了fMRI信号的紧凑且具有判别性的表示。
• 爬山优化成功识别出与脑功能遗传影响最相关的脑区子集。
• 双胞胎之间成对相关性特征显著提升了分类性能，优于单一脑区特征。
• 该框架在人类连接组计划数据集的208对双胞胎中表现出稳健的性能。
• 3.53%的标准差表明该方法在多次运行或交叉验证折中表现一致。