走向一个准确的自闭症谱系障碍诊断:从fMRI数据的多个连接组视图
Jie Yang1,2,3, Xiaowen Xu4,5, Mingxiang Sun3
1College of Mathematics and Statistics, Chongqing Jiaotong University, Chongqing 400074, China.
Cerebral cortex (New York, N.Y. : 1991)
|December 15, 2023
概括
这项研究从功能连接组数据中整合了多个大脑连接模式,以改善自闭症谱系障碍诊断. 结合这些模式显著提高了诊断准确度,为识别自闭症提供了更有效的方法.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 计算精神病学是一种计算精神病学.
背景情况:
- 功能连接组 (FCN) 分析显示了诊断自闭症谱系障碍 (ASD) 等神经系统疾病的前景.
- 以前的研究通常依赖于单个连接模式 (例如,相关性,因果关系),可能缺少补充的拓信息.
- 这种限制可能导致在识别ASD时的诊断性能不足.
研究的目的:
- 通过结合多个功能性大脑连接模式,开发和验证一种用于准确诊断自闭症谱系障碍的新方法.
- 调查核心组合技术在融合多样化的网络信息以检测ASD时的有效性.
主要方法:
- 利用自闭症脑成像数据交换 (ABIDE) 数据集中的功能磁共振成像 (fMRI) 数据.
- 构建多个脑网络,代表不同的连接模式 (例如,完全相关性,部分相关性,因果关系).
- 采用了核心组合技术,将这些不同的连接模式中的信息融合在一起.
主要成果:
- 拟议的方法实现了自闭症谱系障碍的高诊断性能.
- 记录了91.30%的特殊准确性.
- 高灵敏度 (91.48%) 和特异性 (91.11%) 进一步证实了该方法的有效性.
结论:
- 结合多个功能性大脑连接模式,为改善自闭症谱系障碍诊断提供了一个强大的方法.
- 核心组合技术有效地整合了来自不同网络类型的互补信息.
- 这种综合方法表明了使用神经成像数据准确可靠地识别ASD的巨大潜力.
