一种结合多图谱动态连接变换器和4D时空建模的模型,用于自闭症谱系障碍的识别 作者:王梦楠、郭九江、郭晓静

《Brain Sciences》:A Multi-Atlas Dynamic Connectivity Transformer Fused with 4D Spatiotemporal Modeling for Autism Spectrum Disorder Recognition Monan Wang, Jiujiang Guo and Xiaojing Guo

【字体: 大 中 小 】 时间:2026年04月03日 来源:Brain Sciences 2.8

编辑推荐:

   摘要

  

摘要

背景:由于自闭症谱系障碍(ASD)的症状具有异质性以及大脑功能的复杂变化,其识别一直是一个挑战。静息态功能磁共振成像(rs-fMRI)通过检测潜在的异常神经活动和连接性,在研究这些障碍方面发挥了重要作用。最近,深度学习方法通过从fMRI序列中捕获时空信息,改变了大脑网络的分析方式。然而,大多数现有研究仍然局限于使用单一的表征尺度,通常将分析限制在体素级别的时空模式或静态连接性矩阵上。此外,功能耦合的动态重构及其在不同解剖分区中的变化往往被忽略,这掩盖了具有神经生物学意义的动态变化。 方法:针对这一问题,我们提出了一种结合4D时空建模的多图谱动态连接性变换器(MADCT-4D)用于ASD识别。该框架包括两个互补的部分:4D时空部分将原始rs-fMRI数据编码,以学习神经活动的层次化表征;动态连接性部分则对来自多个图谱的时间分辨功能连接性序列进行建模,使网络能够在不同的分区粒度下捕捉到动态重构。此外,我们通过结合特定分支的决策分数和一个可学习的门控机制来进行后期融合,使模型能够为每个受试者自适应地权衡体素级别的动态信息和多图谱连接性证据。 结果:在公开可用的ABIDE数据集上的广泛实验表明,所提出的方法在ASD识别方面的准确率达到90.2%,优于多个竞争性基线方法。 结论:所提出的框架基于学习到的动态连接性模式生成了可解释的生物标志物,这些标志物与ASD中改变的功能耦合一致。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号