自闭症的结构变化反映了非典型的大脑网络组织和表型异质性:混合深度网络方法

科学领域:

• 神经科学是一个神经科学.
• 发展心理学 发展心理学
• 人工智能在医学中的应用

背景情况:

• 自闭症谱系障碍 (ASD) 在社会,情感,语言和行为领域呈现出显著的异质性.
• 使用诸如社会响应度表 (SRS) 等工具量化ASD变异性是可能的,但理解潜在的大脑机制仍然具有挑战性.
• 以前的研究已经探索了ASD中的大脑网络组织,但结构性MRI (sMRI) 发现,功能网络和ASD表型之间需要有系统的联系.

研究的目的:

• 综合分析自闭症谱系障碍 (ASD) 中的大脑宏观结构变化,使用一系列人工智能 (AI) 方法.
• 调查结构性大脑变化,推断功能网络和ASD表型和临床评分之间的关系.
• 利用人工智能探索ASD的表型和光谱性质,揭示大脑区域和网络的重大结构变化.

主要方法:

• 用3D卷积神经网络 (CNN) 和其他人工智能技术进行大脑成像数据的宏观结构分析.
• 分析的重点是识别结构性大脑变化的模式及其与功能网络和临床表型的相关性.
• 该研究系统地调查了与ASD严重程度和异质性有关的大脑结构和功能网络参与.

主要成果:

• 在自闭症谱系障碍 (ASD) 中观察到左半球,额叶和叶的持续参与.
• 关键受影响的大脑网络包括默认模式,突出和语言网络.
• 研究结果表明,在高和低严重程度的自闭症之间,大脑网络存在相似性和差异,典型的发育大脑与自闭症谱的低严重程度端保持一致.

结论:

• 由人工智能驱动的方法成功地确定了ASD中显著的结构性大脑变化和网络改变,将它们与表型异质性相关联.
• 这项研究强调了人工智能在分析复杂的神经成像数据以了解自闭症的实用性,揭示了已知的和新的大脑区域和网络变化.
• 这些发现为指导诊断亚型和更深入地了解ASD的结构,功能和表型谱提供了基础.