ASD-HybridNet:自閉症スペクトル障害の検出のためのハイブリッド深層学習フレームワーク

Nirmal Rai¹, P C Pradhan¹, Hemanta Saikia²

¹Department of Electronics and Communication Engineering, Sikkim Manipal Institute of Technology, Majitar, Sikkim Manipal University, 737136, Sikkim, India.

|August 28, 2025

まとめ

この研究は,fMRIデータを用いた自閉症スペクトル障害 (ASD) の検出のための新しい深層学習アプローチであるASD-HybridNetを紹介しています. この方法は,興味のある領域と機能的な接続情報を組み合わせることで診断の精度を高めます.

科学分野:

神経科学
人工知能
医療用イメージング

背景:

自閉症スペクトル障害 (ASD) の診断は主観的な行動評価に依存し,正確性と早期発見を制限します.
機能性磁気共鳴画像 (fMRI) は,神経学的状態の客観的なバイオマーカーを提供します.

研究の目的:

自閉症スペクトル障害の検出を改善するためのハイブリッド・ディープ・ラーニング・フレームワーク (ASD-HybridNet) の開発と検証
マルチモダルfMRIデータを活用してより正確で早期にASDの診断を行うこと

主な方法:

fMRIから興味のある地域 (ROI) のタイムシリーズデータと機能的接続性 (FC) のマップを統合.
ハイブリッド・ディープ・ラーニング・アーキテクチャ,ASD-HybridNetの開発
自閉症脳画像データ交換 (ABIDE) データセットを用いた検証

主要な成果:

ASD-HybridNetは,既存の方法と比較して,ASDの検出において優れた性能を示した.
ROIとFCデータを統合することで,分類の正確性が著しく向上しました.
この枠組みはASDの早期かつ正確な診断を強化する可能性を示しています

結論:

提案されたASD-HybridNetの枠組みは自閉症スペクトル障害の診断に有望なデータベースのアプローチを提供します.
ディープラーニングによるマルチモダルのfMRIデータ統合は,従来の診断方法の限界を克服することができます.

キーワード:

ASD について分類するディープラーニング機械学習 fMRI

さらに関連する動画