结合扩散张量成像的双图策略在自闭症谱系障碍诊断中的应用

扩散张量成像（DTI）结合双图策略的图神经网络模型在自闭症（ASD）诊断中表现优异，通过物理连接矩阵与局部微结构矩阵融合，并采用数据增强解决小样本不平衡问题，在198例中实现75.24%准确率和73.12% AUC。

　　

摘要：

目标：扩散张量成像（DTI）是一种特殊的磁共振成像（MRI）技术。目前关于DTI数据的大多数研究主要集中在基于DTI的结构连接（SC）网络，或者基于DTI的指标，如分数各向异性（Fractional Anisotropy）、平均扩散率（Mean Diffusivity）等。这种研究方式可能会忽略不同图谱所提供的潜在互补信息，从而阻碍分类性能的提升。在本研究中，我们提出了一种基于双重图谱策略的图神经网络框架，利用DTI数据来诊断自闭症谱系障碍（ASD）。方法：具体来说，我们采取了以下措施：1）为了解决小数据集和类别不平衡的问题，我们采用了数据增强技术（包括复制少数类样本和混合样本方法）来提高数据的多样性和代表性；2）我们将基于阈值的真实物理连接邻接矩阵与从节点特征学习得到的局部微结构邻接矩阵相结合，以克服仅依赖单一结构信息的局限性；3）我们设计了一种多层池化融合（MLPF）方法来捕获更丰富、多层次的特征表示。结果：我们的方法在198名受试者上进行了评估，实验结果显示，在五折交叉验证中，该方法的表现优于多种现有方法，准确率为75.24%，AUC为73.12%。结论：DTI对于分析ASD中的连接异常至关重要。我们提出的方法能够实现更高效、客观、可靠的ASD诊断。意义：本研究为利用DTI数据研究神经系统疾病提供了一个有价值的参考框架。