通过基于卷积神经网络的功能、结构和弥散张量成像数据分析，寻找自闭症谱系障碍的新型诊断性神经影像生物标志物，以实现更精确的自闭症诊断。
摘要：自闭症谱系障碍是世界上最主要的神经发育障碍之一，在人群中占比超过1％，并且在患病率上快速增加，但该疾病缺乏一个强大、客观和高效的诊断方法。临床诊断标准依赖于主观的行为评估，容易误诊，因为它们在异质性、特异性和偏见方面存在局限性。本研究提出了一种基于卷积神经网络的分类工具，旨在确定不同神经影像特征作为自闭症生物标志物的潜力。模型采用一系列特定设计的顺序层构建，用于从脑部扫描中提取相关特征。模型在三种成像类型的超过300,000个不同特征上进行训练和测试，显示出有希望的结果，达到95.4％的准确率，并优于当前黄金标准诊断的指标。通过独立样本t检验，鉴定了来自成像数据的32个最优特征，并对其进行了候选生物标志物的分类，其中神经活动和连接性等功能特征在自闭症个体和典型对照组之间的均值差异最大。这些生物标志物的p值小于0.001，证明了结果的统计显著性，并表明该研究可能为在临床中将神经影像与行为标准相结合铺平道路。此外，发现在自闭症个体的脑结构中的显著特征可能导致对该疾病潜在神经生物学机制的更深入理解，而该疾病至今仍然是该领域最重要的谜团之一。
作者：Annie Adhikary
论文ID：2305.18841
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2023-05-31