对自闭症诊断和解释的多模式和多分支成像标记的全面探索:来自高级深度学习模型的见解
Jingjing Gao1, Yuhang Xu1, Yanling Li2
1School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China.
Cerebral cortex (New York, N.Y. : 1991)
|January 14, 2024
概括
一个新的双分支图形神经网络有助于自闭症谱系障碍 (ASD) 诊断,准确率为73.9%. 该研究还确定了ASD的关键大脑区域和遗传生物标志物.
科学领域:
- 神经科学是一个神经科学.
- 遗传学 是一个遗传学.
- 人工智能的人工智能
背景情况:
- 自闭症谱系障碍 (ASD) 是一种复杂的神经发育状况,具有显著的遗传和大脑参与.
- 尽管神经成像技术取得了进展,但准确的诊断和理解ASD的神经遗传基础仍然具有挑战性.
- 当前的诊断方法往往缺乏捕捉ASD异质性的精度.
研究的目的:
- 开发一种先进的计算模型,以使用多式联络神经成像数据改进ASD诊断.
- 为了识别与ASD相关的特定脑成像标记.
- 通过综合神经成像和转录组分析,发现与ASD相关的潜在遗传生物标志物.
主要方法:
- 使用双分支图形神经网络,从结构和功能磁共振成像 (sMRI和fMRI) 中提取和融合特征.
- 创建了一个扰动模型,以精确定位关键的大脑成像标记,将ASD与健康对照区分开来.
- 使用部分最小平方回归和丰富进行了神经转录组联合分析,以确定遗传生物标志物.
主要成果:
- 双分支图形神经网络实现了ASD的诊断准确率为73.9%.
- 扰乱分析确定了前额叶,叶,叶和叶中的关键sMRI标记物,以及前额叶,叶,叶和小脑中的fMRI标记物.
- 神经转录组分析突出了参与突触过程和行为的基因,这对ASD大脑发育至关重要.
结论:
- 多模式磁共振成像 (MRI) 数据为ASD诊断提供了有价值的补充信息.
- 开发的图形神经网络为提高ASD诊断精度提供了一个有希望的工具.
- 该研究成功地确定了特定的大脑区域和遗传生物标志物,为ASD诊断和治疗策略的潜在进展铺平了道路.
