基于脑影像的机器学习工具包PRoNTo介绍

2018-7-12 15:34| 发布者: admin| 查看: 6| 评论: 0

摘要: 机器学习的分析方法在神经科学领域引起了日益广泛的关注。与传统的单变量(univariate)的统计方法相比,机器学习方法是多元模式分析(MVPA,Multivariate pattern analysis),MVPA以神经群的激活模式作为解释临床现 ...

机器学习的分析方法在神经科学领域引起了日益广泛的关注。与传统的单变量(univariate)的统计方法相比,机器学习方法是多元模式分析(MVPA,Multivariate pattern analysis),MVPA以神经群的激活模式作为解释临床现象的特征,从而引入了更多的空间分布信息,为我们对脑内神经通路的理解提供了新的角度。

近年来,随着机器学习、深度学习和大数据计算在计算机视觉、自然语言处理等领域的突破性进展,神经科学领域与机器学习的相结合的成果也在近十年里呈指数式增长。主要集中在:(1)对认知现象、状态(mental state)的神经机制解码(mind reading),例如利用脑内神经活动信息预测疼痛的程度【1】;(2)个体层面的诊断与预测,例如利用脑内结构信息预测阿尔兹海默氏症的病人可达86%-96%的正确率【2】。

机器学习在神经科学领域的应用仍有很大的空白,其在疾病诊断、个体化治疗、神经解码等问题的研究中都蕴含巨大的潜力。然而,由于机器学习模型的算法和实现需要较强的数学基础及编程能力,友好、灵活的工具包显的尤为重要。目前较成熟的工具包主要有:(1)基于AFNI的3dsvm;(2)基于Matlab的MVPA toolbox;Python环境下脚本形式的(3)PyMVPA和(4)Sci-kit Learn,以及具备Matlab图形界面的(5)PROBID和(6)ProNTo。其中ProNTo(Pattern Recognition for Neuroimaging Toolbox)功能全面,基于SPM函数库。SPM开发团队成员Christophe Philips 教授参与开发,具有很强的可操作性。Christophe Philips教授即将在七月来深圳授课,想与他深入交流的读者请在文章最后点击UCL神经影像中心SPM暑期课程看具体课程信息。

- 图片来自参考文献3

目前,ProNTo可用于分析结构MRI、功能MRI、PET等多模态的MVPA分析,接收常规的NIFTI数据输入格式,并对于使用者无任何编程能力要求。我们将借用在Christophe Philips教授的文章中的例子,介绍ProNTo可解决的问题,希望会对读者们有所启发:

问题1:是否可以利用MVPA找到与任务相关的脑区?

下图表示了利用不同机器学习模型(GP:Gaussian Process和SVM:support vector machines)所识别出来的视觉任务中(识别人脸或房子)的激活模式,其中Fusiform作为人脸识别相关的功能区域,表现了很强的差异。同时,ProNTo还返回了数据分布图及混淆矩阵(confusion matrix),方便使用者理解及报告分析结果。

- 图片来自参考文献3

问题2:那些特征在区分不同组别时更加重要?

如果将正常人和阿尔兹海默氏症病人的结构磁共振数据放入ProNTo作为机器学习特征并用于训练分类模型,结果图下图所示。与传统的方法结果一致,海马体在SVM模型中表现了更高的贡献。

- 图片来自参考文献3

本文仅列举了机器学习在神经科学领域的初步应用,欢迎感兴趣的读者留言回复深入讨论。ProNTo共同开发者ChristophePhilips将于今年七月亲自来华授课,并与VBM团队成员Christian Lambert博士,DCM团队成员Ryszard Auksztulewicz博士共同为大家带来最新的科研进展及论文写作经验,点开“阅读全文”即可看到课程信息。更多信息记得关注“么么大脑memebrain”公众号,欢迎留言感兴趣的其他神经科学领域的话题,主页君会陆续推出新工具包介绍、文章精读。

参考文献:

【1】Wager, T.D., Atlas,L.Y., Lindquist, M.A., Roy, M., Woo, C.W., Kross, E., 2013. An fMRI-basedneurologic signature of physical pain. N Engl J Med 368, 1388-1397.

【2】Vemuri, P., Gunter,J.L., Senjem, M.L., Whitwell, J.L., Kantarci, K., Knopman, D.S., Boeve, B.F.,Petersen, R.C., Jack, C.R., 2008. Alzheimer's disease diagnosis in individualsubjects using structural MR images: Validation studies. NeuroImage 39, 1186-1197.

【3】Schrouff, J., Rosa,M.J., Rondina, J.M., Marquand, A.F., Chu, C., Ashburner, J., Phillips, C.,Richiardi, J., Mourao-Miranda, J., 2013. PRoNTo: pattern recognition forneuroimaging toolbox. Neuroinformatics 11, 319-337.


鲜花

握手

雷人

路过

鸡蛋

相关阅读

发表评论

最新评论

Archiver|手机版|小黑屋|谭兴才自媒体

GMT+8, 2018-7-13 15:05 , Processed in 0.138060 second(s), 25 queries .

谭兴才 ©版权所有

© 2018 TanXingCai.com

返回顶部