基于对比变分自编码器提取结构MRI特征的可解释儿童孤独症谱系障碍分类
计算机视觉与模式识别
2025-04-08 v2
摘要
孤独症谱系障碍（ASD）是一种高度致残的精神疾病，给患者带来显著的社会交往能力损伤，使得 ASD 的早期筛查与干预至关重要。随着机器学习与神经影像技术的发展，基于结构磁共振成像（s-MRI）的 ASD 机器分类研究广泛开展。然而，多数研究涉及的受试者年龄大于 5 岁且缺乏可解释性。本文提出一种用于 0.92 至 4.83 岁儿童的 ASD 分类机器学习方法，基于使用对比变分自编码器（CVAE）提取的 s-MRI 特征。来自深圳市儿童医院的 78 张 s-MRI 用于训练 CVAE，其包含 ASD 特异性特征通道与公共共享特征通道。由 ASD 特异性特征表示的 ASD 受试者可与由公共共享特征表示的典型发育（TC）受试者轻松区分。针对数据量极小时预测精度下降的情况，本文提出一种迁移学习策略作为潜在解决方案。最后，我们基于 CVAE 提取的 s-MRI 特征与不同皮质区表面积之间的相关性进行神经解剖学解释，揭示了未来有助于 ASD 靶向治疗的潜在生物标志物。
引用
@article{arxiv.2307.00976,
title = {Autism Spectrum Disorder Classification with Interpretability in Children based on Structural MRI Features Extracted using Contrastive Variational Autoencoder},
author = {Ruimin Ma and Ruitao Xie and Yanlin Wang and Jintao Meng and Yanjie Wei and Wenhui Xi and Yi Pan},
journal= {arXiv preprint arXiv:2307.00976},
year = {2025}
}