Desvendando o Diagnóstico de Distúrbios Cerebrais com Inteligência Artificial e Ressonância Magnética Funcional
A ressonância magnética funcional em repouso (rs-fMRI) tem se mostrado uma ferramenta valiosa no diagnóstico e análise de distúrbios cerebrais. No entanto, as abordagens baseadas em aprendizado de máquina, frequentemente utilizadas para interpretar os dados da rs-fMRI, enfrentam um desafio significativo: a dependência de grandes conjuntos de dados rotulados. A anotação desses dados, essencial para o treinamento dos algoritmos, exige tempo e esforço consideráveis em ambientes clínicos, tornando-se um obstáculo para a pesquisa e aplicação clínica.
Para superar essa limitação, pesquisadores desenvolveram uma nova abordagem chamada GCSC-TA (Graph-level Contrastive Learning with Self-aware and Cross-sample Topology Augmentation). Essa técnica inovadora utiliza o aprendizado contrastivo em nível de grafo, combinando o aumento da topologia auto-consciente e entre amostras. O GCSC-TA gera duas redes cerebrais aumentadas e complementares para cada indivíduo, realçando as características específicas de cada sujeito e amplificando a heterogeneidade funcional entre os diferentes cérebros. Essa estratégia de “visão dupla” permite uma identificação mais precisa das nuances individuais.
Além disso, os pesquisadores projetaram uma função de perda contrastiva min-max para acomodar as redes cerebrais aumentadas. Essa função supera as limitações dos métodos tradicionais baseados em projeção, permitindo a realização do aprendizado contrastivo em nível de grafo, mantendo a integridade original da estrutura topológica do cérebro. Experimentos extensivos com um conjunto de dados privado de Transtorno Depressivo Maior (TDM) e o conjunto de dados publicamente disponível do Transtorno do Espectro Autista (ABIDE) demonstraram o desempenho superior do GCSC-TA em comparação com outras técnicas de ponta. O GCSC-TA não apenas melhora a precisão diagnóstica, mas também identifica padrões anormais de conectividade cerebral associados ao TDM e ao TEA, impulsionando a interpretabilidade e a utilidade clínica da rs-fMRI.
Origem: Link