基于图同构网络的自闭症功能磁共振影像诊断算法

摘要

图表示法通常用于个人或者总体级别上对结构化数据进行建模分析,已成功应用于网络分析、交通预测、推荐系统等领域.随着成像设备的发展和普及,从神经影像中学习脑的连接特性,开展基于脑网络的疾病诊断(自闭症、阿斯海默症等)受到广泛关注.图表示法可用于对一组大脑区域之间的结构或功能连接进行建模,揭示与大脑发育和疾病有关的模式,然而评估基于图结构的脑连接网络之间相似性并非易事.传统的深度学习方法无法适用图结构,会丢弃有益于图分类任务的信息,因此提出一个基于图同构网络的自闭症功能磁共振影像的诊断算法.该模型包含四层同构层,每层通过空间领域卷积学习得到脑功能连接网络的特征表示.为了考虑脑功能连接网络中节点的医学意义,将节点特征通过展平方式转换为图特征.在自闭症ABIDE数据库上对提出的方法进行验证,与图卷积网络和深度神经网络相比,实验结果证明提出的方法是有效的,明显提升了自闭症诊断准确性.