多模态域泛化新框架M2LG-DG跨站点诊断抑郁症，AUC达69.48%！
M2LG-DG: A Multi-modal Local-Global Domain Generalization Framework for Cross-site Major Depressive Disorder Classification
📖 AI 总结
该研究针对静息态功能磁共振成像在跨站点重度抑郁症分类中性能下降的问题，提出了M2LG-DG框架。现有域泛化方法多依赖单一模态，且未充分考虑站点采集差异对表征空间的影响，导致模型学到的特征更多反映扫描条件而非诊断信息。为此，作者设计了一个仅使用源站点数据的多模态局部-全局框架，采用双流编码器分别通过自注意力建模脑区间依赖关系、通过图约束聚合功能连接脑图，并将影像与非影像表征分解为共享和私有成分，经双向交叉注意力和模态门控融合。同时引入跨站点监督对比目标，以不同源站点同类受试者构成正样本对，促使融合表征保留诊断信息。在四个留出的REST-meta-MDD站点上，该方法取得69.48%的AUC，较最接近的对比方法高出2.18个百分点，并在ABIDE数据集上验证了其可推广至其他精神疾病神经影像分类任务。
🔑 关键词速览
| 域泛化 (Domain Generalization, DG) | 一种机器学习范式，旨在从多个源域学习模型，使其在未见过的目标域上仍能保持良好性能。 |
| 静息态功能磁共振成像 (rs-fMRI) | 一种神经影像技术，通过测量大脑在静息状态下血氧水平依赖信号的自发波动来反映功能连接。 |
| 重性抑郁障碍 (Major Depressive Disorder, MDD) | 一种常见的精神疾病，以持续的情绪低落、兴趣丧失和认知功能障碍为主要特征。 |
| 跨站点监督对比学习 (Cross-site Supervised Contrastive Learning) | 一种对比学习方法，利用不同站点采集的同类样本构建正对，以学习跨站点不变的诊断相关表示。 |
| 双流编码器 (Dual-stream Encoder) | 一种包含两个并行通路的神经网络结构，分别从全局和局部角度提取特征并进行融合。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅