基于动态图嵌入的自闭症谱系障碍功能连接中的动态生物标志物

科学领域:

• 神经科学是一个神经科学.
• 发育障碍 发育障碍 发展障碍
• 生物标志物发现发现

背景情况:

• 自闭症谱系障碍 (ASD) 诊断由于其复杂的神经和发育性质而具有挑战性.
• 动态大脑网络 (DBN) 提供了丰富的时空信息,对于理解ASD中大脑功能至关重要.
• 识别大脑区域之间的动态通信模式是发现ASD诊断生物标志物的关键.

研究的目的:

• 为ASD提出新的诊断模型,利用DBN的时空特征.
• 研究动态图嵌入用于表示大脑区域之间的交互信息.
• 为了确定潜在的基于DBN的生物标志物用于ASD识别.

主要方法:

• 开发了两个诊断模型:dgEmbed-KNN和聚合-SVM.
• 利用DBN和动态图嵌入的时空信息.
• 分析聚合脑网络连接作为分类的特征.

主要成果:

• 与传统和深度学习方法相比,dgEmbed-KNN模型的分类准确度略高.
• 聚合-SVM模型在使用聚合的大脑网络连接来诊断ASD方面表现出强大的能力.
• 在ASD中确定了特定大脑区域的过度和不足连接 (中枢后环,岛,小脑,尾状核,极) 和功能子网络 (DMN,视觉,听觉,突出网络) 内的/之间的异常动态相互作用.

结论:

• DBN为ASD诊断和治疗提供了宝贵的见解.
• 拟议的dgEmbed-KNN和Aggregation-SVM模型有效地利用DBN特征进行ASD识别.
• 发现的动态连接性改变为ASD提供了潜在的DBN生物标志物.