项目详情
- 名称:
- 负责人:
- 成员:
- 因果学习与帕金森
- 贾涵竹(23级研)
- 赵梧言(20级本)
因果学习与帕金森
使用因果算法对现有数据集进行因果发现、评估因果效应 对大脑多模态数据进行医学图像处理得到所需数据 探究不同脑功能网络之间联系的变化对疾病的影响 预期成果产出形式： 1-2篇论文 里程碑计划： 12月前调研--->5月前实验和毕设--->暑假论文
研究背景
帕金森是一种复杂的神经系统疾病，其发病机制受不同脑区的如铁沉积等数值变化影响。随着因果学习领域的发展，将因果发现、因果推断技术应用于帕金森病的研究中，以揭示不同数据间潜在的因果关系，来深入探究不同脑区中数值的改变及不同脑区之间联系的改变对帕金森的影响。
帕金森是一种复杂的神经系统疾病，其发病机制受不同脑区的如铁沉积等数值变化影响。随着因果学习领域的发展，将因果发现、因果推断技术应用于帕金森病的研究中，以揭示不同数据间潜在的因果关系，来深入探究不同脑区中数值的改变及不同脑区之间联系的改变对帕金森的影响。
参考资料： [1] Castro D C, Walker I, Glocker B. Causality matters in medical imaging[J]. Nature Communications, 2020, 11(1): 3673. [2] Correlation of brain iron deposition and freezing of gait in Parkinson disease:a cross-sectional study. [3] Xu W, Li Q, Zhu Z, et al. A novel graph wavelet model for brain multi-scale activational-connectional feature fusion[C]//Medical Image Computing and Computer Assisted Intervention–MICCAI 2019: 22nd International Conference, Shenzhen, China, October 13–17, 2019, Proceedings, Part III 22. Springer International Publishing, 2019: 763-771.