Cross-Domain Fiber Cluster Shape Analysis for Language Performance Cognitive Score Prediction

Dieses Kapitel vertieft sich in die komplexe Welt der weißen Materiefaser-Cluster im Gehirn und konzentriert sich auf ihre Form und ihr Potenzial, Sprachleistungen vorherzusagen. Die Studie nutzt die Diffusions-MRI-Traktographie (dMRI), um die Verbindungen der weißen Substanz im Gehirn zu rekonstruieren, die dann auf ihre Form, Mikrostruktur und Konnektivität hin analysiert werden. In diesem Kapitel wird der Shape-Fused Fiber Cluster Transformer (SFFormer) vorgestellt, ein neuartiges transformatorbasiertes Modell, das diese Merkmale integriert und die Vorhersage individueller Sprachleistungen verbessert. Der SFFormer verwendet ein mehrköpfiges Kreuzaufmerksamkeitsmodul, um Informationen aus verschiedenen Bereichen zu verschmelzen, was eine überlegene Vorhersagekraft im Vergleich zu herkömmlichen Merkmalen und modernsten Methoden demonstriert. Die Auswertung des Human Connectome Project Young Adult (HCP-YA) Datensatzes zeigt, dass formbezogene Merkmale in bestimmten Szenarien Mikrostruktur- und Konnektivitätsmerkmale übertreffen können, was die funktionale Bedeutung von Clusterformen aus weißer Materie unterstreicht. Das Kapitel bietet außerdem einen umfassenden Überblick über verwandte Arbeiten, Methoden, Umsetzungsdetails und experimentelle Ergebnisse, was es zu einer wertvollen Ressource für diejenigen macht, die sich für die Schnittmenge von Neurowissenschaften, maschinellem Lernen und medizinischer Bildgebung interessieren.