DuSCN-FusionNet：構造MRIを用いたADHD分類のための、解釈可能なデュアルチャネル構造共分散フュージョン・フレームワーク
arXiv cs.CV / 2026/3/30
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、デュアルチャネル構造共分散ネットワーク（SCN）によって脳領域間の形態学的関係をモデル化し、構造MRI（sMRI）に基づいてADHDを分類するための、解釈可能なフレームワークDuSCN-FusionNetを提案する。
- ROIごとの平均強度と、領域内のばらつき／不均一性を表す記述子から2つのSCNチャネルを構築し、それらをSCN-CNNで符号化する。さらに、補助的な変動性および全体的な統計特徴との後段（late-stage）融合により予測性能を向上させる。
- ADHD-200データセット（北京大学サイト）において、層化10分割交差検証と5シードのアンサンブルにより、平均バランス精度80.59%およびAUC 0.778を報告している。
- 著者らはSCNの領域にGrad-CAMを適応し、ROIレベルの重要度スコアを生成する。構造的に関連する脳領域を候補バイオマーカーとして強調することで、臨床的な信頼性を支えることを目指している。
