BrainSCL: 脳障害診断のためのサブタイプ指向コントラスト学習

Abstract

精神障害の集団には顕著な異質性が存在し、すなわちサンプル間の有意な差異は、対照学習における正例ペアの定義に重大な課題をもたらす。これに対処するため、潜在的サブタイプとして患者の異質性をモデル化し、それらを構造的事前情報として組み込み、識別的表現学習を導くサブタイプガイド付き対照学習フレームワークを提案する。具体的には、臨床テキストとBOLD信号から適応的に学習されたグラフ構造を組み合わせて多視点表現を構築し、教師なしスペクトルクラスタリングを通じて潜在的サブタイプを明らかにする。安定したサブタイプ特有の結合パターンを捉えるプロトタイプを構築するデュアルレベルのアテンション機構を提案する。さらに、サブタイプガイド付き対照学習戦略を提案し、サンプルをそのサブタイプのプロトタイプグラフへ引き寄せることでサブタイプ内の一貫性を強化し、モデル性能を向上させる効果的な監督信号を提供する。我々の手法を大うつ病性障害（MDD）、双極性障害（BD）、および自閉スペクトラム障害（ASD）で評価する。実験結果は、対照学習を導く上でサブタイププロトタイプグラフの有効性を確認し、提案手法が最先端のアプローチを上回ることを示している。コードは https://anonymous.4open.science/r/BrainSCL-06D7 に公開されている。）