基于融合脑连接图的自闭谱系障碍诊断与病原分析
神经元与认知
2024-10-10 v1 机器学习
应用统计
摘要
我们提出了一种用于诊断自闭谱系障碍（ASD）的模型，利用多模态磁共振成像（MRI）数据。我们的ethods 整合了扩散定性成像（DTI）和功能MRI（fMRI）的脑连接数据，采用图神经网络（GNN）进行融合图分类。为提高诊断准确性，我们引入一种损失函数，以最大化类间间距并最小化类内间距。我们还分析网络节点中心性，通过计算在双模态融合脑图上的度中心性、子图中心性和特征向量中心性，以识别与 ASD 相关的病理区域。两种非参数检验评估这些中心性在 ASD 患者和健康对照人群之间的统计显著性。我们的结果显示，两种检验结果一致，但所识别的区域在不同中心性方法下差异显著，暗示这些区域具有不同的生理学解释。这些发现增进了对 ASD 神经生物学基础的理解，为临床诊断提供了新方向。
引用
@article{arxiv.2410.07138,
title = {Diagnosis and Pathogenic Analysis of Autism Spectrum Disorder Using Fused Brain Connection Graph},
author = {Lu Wei and Yi Huang and Guosheng Yin and Fode Zhang and Manxue Zhang and Bin Liu},
journal= {arXiv preprint arXiv:2410.07138},
year = {2024}
}