M3ASD:通过多视图低等级图形结构集成多地图和多中心数据学习自闭症谱系障碍诊断

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 自闭症谱系障碍 (ASD) 是一种复杂的神经发育状况,需要准确的诊断以及时进行干预.
• 休息状态功能磁共振成像 (rs-fMRI) 对于自闭症诊断至关重要,但由于数据在多个中心的异质性和依赖单个大脑图谱而面临挑战.
• 现有的方法往往忽视成像设备,采集参数和处理管道的变化,限制了诊断的概括性.

研究的目的:

• 为ASD开发一种自动化诊断方法,集成多图谱和多中心rs-fMRI数据.
• 为了解决数据异质性问题,固有的多中心神经成像研究.
• 提高ASD诊断的准确性和可解释性,使用高级图形结构学习.

主要方法:

• 提出了一个多视图,低级子空间图形结构学习框架 (M3ASD).
• 功能连接矩阵是使用来自多中心神经成像数据的多个大脑图谱来构建的.
• 使用低级次空间投影和多视图一致性规范化来减轻异质性和提取歧视性特征.

主要成果:

• 在ABIDE-I数据集上,M3ASD方法实现了83.21%的准确性.
• 该模型与现有的ASD诊断方法相比,表现优越.
• 这种方法成功地在不同的地图上识别了共同的功能性大脑连接.

结论:

• M3ASD方法有效地提高了ASD的诊断准确性,使用多中心rs-fMRI数据.
• 该框架通过揭示常见的功能性大脑网络模式,提高了ASD诊断的解释性.
• 对ABIDE数据集的验证证实了拟议方法的稳定性和有效性.