fMRIを用いたサイト間うつ病分類のための教師なし共同整合フレームワーク

大うつ病性障害（MDD）は広く蔓延し、その影響を及ぼす264百万人以上の人々に対して、 substantialな社会的および経済的負担を強いる、虚弱であるメンタルイルネスです。安静時機能的MRI（rs-fMRI）を使用してMDDを特定することは、早期診断と介入に向けた有望な方向性です。しかし、スキャナーや取得プロトコルの違いから生じるサイト間の異質性は、画像サイト間で一般化可能なモデルを構築する上での大きな障害となっています。この課題に対処するために、私たちはサイト間MDD分類のための教師なし共同整合（UJA）フレームワークを提案します。私たちの知る限り、これは不正学習ベースのアプローチを使用して、ドメインレベルの分布とクラスレベルの構造を共同で整合させる教師なしのrs-fMRI適応を探る初めての試みの一つです。具体的には、UJAは、rs-fMRIデータから有用な表現を抽出するためにマルチヘッド自己注意モジュールを使用し、デュアル分類器とスライスワッサースタイン距離に基づいたクラス間の整合を統合する統一整合スキームを続けます。REST-meta-MDDデータセットに対する広範な実験は、UJAが複数のサイト間シナリオにおいて既存の比較方法を一貫して上回ることを示しています。アブレーションスタディはさらに、デュアルアライメント戦略の相補的な利点を強調しています。これらの結果は、MDD診断における将来の臨床意思決定支援のための頑健で一般化可能なツールとしてのUJAの可能性を示しています。