时间对齐的动态功能连接的Prob-sparse自我注意力提取,用于ASD诊断
Hongwu Chen1, Fan Feng2, Pengwei Lou3,4
1School Hospital, Shandong Technology and Business University, Yantai, China.
Heliyon
|January 13, 2025
概括
这项研究引入了一个新的框架来诊断自闭症谱系障碍 (ASD),使用动态功能连接 (DFC) 和先进的AI. 该模型达到81.8%的准确性,识别了ASD患者的关键大脑区域差异.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 动态功能连接 (DFC) 显示出自闭症谱系障碍 (ASD) 诊断的潜力.
- 从复杂的DFC矩阵中提取区分特征是具有挑战性的.
研究的目的:
- 提出一个新的ASD分类框架,PSA-FCN,利用时间调整的DFC和Prob-Sparse自我注意力.
- 通过先进的机器学习技术,提高ASD诊断的准确性和可靠性.
主要方法:
- 开发了一个Prob-Sparse自我注意机制,用于选择性全球特征提取.
- 采用自我注意蒸来捕捉本地模式并减少维度.
- 构建了一个时间调整的DFC矩阵,以增强对时间灵敏性的稳定性,并减轻过拟合.
主要成果:
- 在ABIDE NYU网站的fMRI数据上获得了81.8%的分类准确度.
- 在ASD分类中表现优于现有的方法.
- 在ASD患者的Cuneus,Lingual gyrus和Precuneus等大脑区域中发现了显著的DFC连接变化.
结论:
- 拟议的PSA框架显示了ASD诊断的重大潜力.
- 这项研究强调了与ASD相关的关键大脑区域生物标志物,与之前的研究保持一致.
- 这种方法为ASD诊断和生物标志物发现提供了有前途的工具.


