基于静息态fMRI数据所学因果影响强度的自闭症谱系障碍诊断
神经元与认知
2019-03-06 v2 神经与进化计算
摘要
自闭症谱系障碍（ASD）是影响儿童的主要发育障碍之一。近来有假说认为ASD与非典型脑连接有关。大量研究使用皮尔逊相关系数、互信息或部分相关，从功能磁共振成像（fMRI）中探究ASD与典型对照组之间脑连接的差异。然而，相关或部分相关并不能直接揭示脑区间的因果影响——即信息流。相较于相关，因果能精确定位关键连接特征并为诊断去除冗余特征。本文提出一种从fMRI进行大规模循环因果发现的两步法，可在不做干预实验的情况下识别脑因果结构。所学因果结构及因果影响强度为我们提供了信息流的路径与效用。以恢复的因果影响强度作为候选特征，我们进一步通过特征选择与分类进行ASD诊断。我们将方法应用于自闭症脑成像数据交换（ABIDE）的三个数据集。实验结果表明，使用因果连接后诊断准确率大幅提升。进一步检视显示，从额上回至默认模式网络及后侧区域的信息流大幅减少；此外，所有增强的信息流均来自后向前的方向或位于局部区域。总体而言，长程影响减少的比例大于局部影响，而局部影响增加的比例大于长程影响。通过考察脑因果结构的图属性，ASD组表现出小世界属性的降低。
引用
@article{arxiv.1902.10073,
title = {Diagnosis of Autism Spectrum Disorder by Causal Influence Strength Learned from Resting-State fMRI Data},
author = {Biwei Huang and Kun Zhang and Ruben Sanchez-Romero and Joseph Ramsey and Madelyn Glymour and Clark Glymour},
journal= {arXiv preprint arXiv:1902.10073},
year = {2019}
}