基于深度学习的自闭症谱系障碍fMRI数据分类研究

与健康儿童对照相比，自闭症谱系障碍（ASD）患者的脑结构和功能存在显著异常，因此文中采用脑影像的方法实现ASD的辅助诊断。由于基于传统的脑图谱构建脑网络节点依赖于人为的先验知识和假设，因此将由受试者的数据通过数据驱动的方法即独立成分分析（ICA）进行全脑独立成分（ICs）分析，并将提取的ICs作为感兴趣区域（ROI）提取时间序列，随后用计算得到的相关性矩阵构建脑网络并通过Node2vec方法将脑网络的节点向量化以生成节点特征，最后通过图卷积网络（GCN）刻画脑网络连接水平状态，并通过多层感知机（MLP）实现对ASD的识别。所用方法 ICA+GCN在79名ASD患者和105名典型对照组中取得了86.1%的分类精度。综上，文中所用方法有望用于ASD辅助诊断。