自闭症谱系障碍 (ASD) 的诊断使用递归特征消除图形神经网络 (RFE-GNN) 和表型特征提取器 (PFE)
Jiahong Yang1, Miaojun Hu1, Yao Hu1
1College of Information Science and Engineering, Hunan Normal University, Changsha 410081, China.
Sensors (Basel, Switzerland)
|December 23, 2023
概括
这项研究引入了一种通过分析脑成像和患者数据来检测自闭症谱系障碍 (ASD) 的新方法. 该框架显示出有希望的准确性,用于开发有效的ASD诊断工具.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 自闭症谱系障碍 (ASD) 是一种复杂的神经发育状况,影响社会,行为和沟通技能.
- 自闭症的确切原因尚未完全理解,但大脑活动模式是有影响的.
- 当前的诊断方法可以通过更客观,数据驱动的方法来改进.
研究的目的:
- 为自闭症谱系障碍 (ASD) 检测提出一个新的框架.
- 整合功能磁共振成像 (fMRI) 和表型数据,以提高诊断准确度.
- 开发一个计算高效和有效的ASD诊断工具.
主要方法:
- 使用递归特征消除 (RFE) 来从fMRI数据中选择关键特征.
- 使用图形神经网络 (GNN) 来从选定的fMRI数据中提取信息特征.
- 开发了一种表型特征提取器 (PFE) 并协同融合提取的特征.
主要成果:
- 拟议的框架在ABIDE数据集上实现了78.7%和80.6%的准确性.
- 与现有的最先进的ASD检测方法相比,已证明具有竞争力的性能.
- 验证了整合fMRI和表型数据用于ASD识别的有效性.
结论:
- 新的框架为开发有效的ASD诊断工具提供了一个有希望的方向.
- 通过GNN和RFE将fMRI和表型数据结合起来,可以提高ASD检测能力.
- 这种方法有助于推进ASD诊断的客观和准确方法.
关键词:
亚比德 (ABIDE) 是一种对象.自闭症谱系障碍 (ASD)功能磁共振成像 (fMRI) 是一种功能性磁共振成像.图形神经网络 (GNN) 是指图形神经网络.多式多样化的多式模式递归特征消除 (RFE) 的方法
