通过整合基于图的规范建模和深度生成网络解析神经发育障碍中的大脑连接性变化
原文中文，约600字，阅读约需2分钟。发表于：。本研究解决了神经发育障碍中个体异质性特征的表征和量化问题，提出了一个结合深度生成模型与基于图的规范建模的新框架。通过建立神经典型大脑网络的发展轨迹，该框架能够量化个体的神经偏离，并为自闭症谱系障碍儿童提供区域性差异图，揭示潜在的发展差异，进而支持临床评估和个性化治疗。
本文介绍了一种名为MADE-for-ASD的多重图册深度集成网络，用于提高自闭症谱系障碍的早期诊断效率。该方法结合fMRI数据和人口统计信息，在ABIDE I数据集上实现了75.20%的准确率，并在特定子集上达到96.40%。模型在敏感性和特异性方面表现出色，尤其在特定子集上分别达到91.00%和99.50%。该系统有望成为ASD诊断的高效、经济解决方案。
