基于双曲空间的多站点 rs-fMRI 域对齐用于自闭谱系障碍辅助诊断
神经元与认知
2025-07-11 v4
摘要
增加训练数据的量可以使自闭谱系障碍（ASD）的辅助诊断算法获得更准确和稳定的模型。然而，由于 rs-fMRI 数据在不同站点之间存在显著的异质性和域迁移，辅助诊断的准确率仍不理想。此外，目前对 ASD 识别的多源域适应模型的探索有限，许多现有模型缺乏内在可解释性，未显式地融入如功能脑网络层次结构等先验神经生物学知识。为此，我们提出了一种基于双曲空间嵌入的域自适应算法。双曲空间天然适合表示如脑功能网络等复杂网络的拓扑结构。因此，我们将脑功能网络嵌入双曲空间并构建相应的双曲空间社区网络，以有效提取潜在表征。为解决不同站点数据异质性和域迁移问题，我们引入约束损失函数——双曲最大均值差异（HMMD），以在双曲空间中对边际分布进行对齐。此外，我们采用类型原型对齐来缓解跨域条件分布的差异。实验结果表明，所提算法在 ASD 的分类任务中相较于基线模型具有优异的分类性能，鲁棒性显著提升。具体而言，本方法在平均准确率上提升了 4.03%。此外，通过在额外的重度抑郁症（MDD）数据集上进行实验，进一步验证了其良好的泛化能力。代码已公开于 https://github.com/LYQbyte/H2MSDA。
引用
@article{arxiv.2502.05493,
title = {Multi-Site rs-fMRI Domain Alignment for Autism Spectrum Disorder Auxiliary Diagnosis Based on Hyperbolic Space},
author = {Yiqian Luo and Qiurong Chen and Fali Li and Peng Xu and Yangsong Zhang},
journal= {arXiv preprint arXiv:2502.05493},
year = {2025}
}