通过连接互动和精细化进行个性化结构保存基于图形神经网络的自闭症谱系障碍诊断

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 图形神经网络 (GNN) 显示出使用功能性脑网络 (FBN) 识别自闭症谱系障碍 (ASD) 的前景.
• 当前的FBN构建方法使用统一的策略,忽视个体变异,并不太强调间接的大脑区域连接.
• 目前用于识别关键大脑区域的现有方法可能会因为刚性值而错过重要区域.

研究的目的:

• 开发一种新的GNN方法,基于个性化结构保存的GNN (PSP-GNN),用于更准确的ASD诊断.
• 解决当前FBN分析的局限性,包括个人异质性和低估间接联系.
• 用灵活的精细化技术来识别突出的大脑区域用于ASD诊断.

主要方法:

• 开发了一个个性化的结构保护策略,用于个性化的大脑网络建设.
• 整合了一个连接交互意识模块来分析直接和间接的大脑区域的相互作用.
• 使用伯努利抽样实施灵活的大脑区域精细化技术,避免了刚性值.

主要成果:

• 在ASD诊断中,PSP-GNN证明了它的有效性.
• 这种方法成功地考虑了FBN的学科特定变化.
• 确定了与现有医学知识相一致的关键大脑区域,表明其作为生物标志物的潜力.

结论:

• 通过整合FBN和GNN,PSP-GNN为ASD诊断提供了一个强大的工具.
• 个性化和全面的网络分析提高了诊断准确度.
• 确定的大脑区域可以作为临床ASD诊断的宝贵生物标志物.