解码自闭症:通过使用rs-fMRI数据的稀疏性分析揭示大脑连接的模式
Soham Bandyopadhyay1, Santhoshkumar Peddi2, Monalisa Sarma3
1Advanced Technology Development Centre, Indian Institute of Technology Kharagpur, India.
Journal of neuroscience methods
|March 2, 2024
概括
这项研究使用静止状态功能性MRI (rs-fMRI) 的稀疏性方法来识别用于自闭症预测的大脑连接生物标志物,达到超过88%的准确性.
科学领域:
- 神经成像是一种神经成像.
- 生物标志物发现发现
- 机器学习 机器学习
背景情况:
- 像自闭症这样的神经障碍的准确诊断需要客观的,基于成像的生物标志物.
- 休息状态功能性MRI (rs-fMRI) 提供了一种非侵入性方法来评估大脑活动.
研究的目的:
- 在rs-fMRI数据中开发和验证一种基于稀疏性的新方法来分析大脑功能连接 (FC).
- 为了确定可靠的成像生物标志物来预测自闭症谱系障碍 (ASD).
主要方法:
- 利用三个概率性大脑地图,从rs-fMRI数据中定义功能均的大脑区域.
- 采用混合图形拉索和Akaike信息标准方法来优化稀疏的反向共变矩阵用于FC估计.
- 应用基于自编码器的特征提取和AI分类器用于自闭症预测.
主要成果:
- 一个整体分类器使用MSDL图谱实现了84.7%±0.3%的准确性.
- 一个1D-CNN模型与史密斯2009图谱取得了88.6%±1.7%的准确性.
- 拟议的基于稀疏性的方法显著超过了传统的基于相关性的FC分析 (准确度为70-79%).
结论:
- 对rs-fMRI数据的基于稀疏性的FC分析显示了作为自闭症检测的预后生物标志物的显著潜力.
- 这种方法提供了一种更准确,更可靠的方法来识别自闭症的神经成像标志物.
