近日,我校生命科學(xué)與技術(shù)學(xué)院neuSCAN團(tuán)隊(duì)在美國(guó)電氣和電子工程師協(xié)會(huì)(IEEE)人工智能及機(jī)器學(xué)習(xí)領(lǐng)域國(guó)際頂級(jí)期刊IEEE Transactions on Neural Networks and Learning Systems發(fā)表題為Adversarial Learning Based Node-Edge Graph Attention Networks for Autism Spectrum Disorder Identification(一種用于孤獨(dú)癥識(shí)別的基于對(duì)抗學(xué)習(xí)的“節(jié)點(diǎn)-邊”圖注意力網(wǎng)絡(luò)模型)的研究成果。團(tuán)隊(duì)2020級(jí)碩士研究生陳鈺中為論文第一作者,蔣希副研究員為論文通訊作者,電子科技大學(xué)為論文第一署名單位。
?
圖一 論文提出的孤獨(dú)癥識(shí)別診斷模型整體框架
孤獨(dú)癥譜系障礙(Autism Spectrum Disorder,ASD)是一種神經(jīng)系統(tǒng)發(fā)育障礙,癥狀主要表現(xiàn)為社交及言語(yǔ)障礙、重復(fù)刻板行為及興趣狹窄,通常在兒童早期出現(xiàn)癥狀并持續(xù)終身,已成為全球重大公共衛(wèi)生問題。根據(jù)世界衛(wèi)生組織最近的一份報(bào)告,孤獨(dú)癥的發(fā)病率為每160名兒童中就有1人,并且逐年增加,中國(guó)的發(fā)病率為1%。目前沒有徹底治愈孤獨(dú)癥的有效方法,主要通過行為干預(yù)等手段。對(duì)孤獨(dú)癥患者進(jìn)行診斷和干預(yù)越早,其預(yù)后效果越好。由于孤獨(dú)癥存在較強(qiáng)的臨床表型異質(zhì)性等問題,導(dǎo)致現(xiàn)有方法的識(shí)別準(zhǔn)確率低、誤診率和漏診率高。
近年來(lái),隨著深度學(xué)習(xí)方法的快速發(fā)展,基于深度學(xué)習(xí)模型和大腦磁共振影像數(shù)據(jù)對(duì)包括孤獨(dú)癥在內(nèi)的腦疾病輔助識(shí)別診斷受到越來(lái)越多的關(guān)注。但由于不同機(jī)構(gòu)間腦影像數(shù)據(jù)采集設(shè)備等因素的差異性,以及孤獨(dú)癥患者個(gè)體癥狀的異質(zhì)性,給深度學(xué)習(xí)模型的準(zhǔn)確性和適用性帶來(lái)了巨大挑戰(zhàn)。本論文針對(duì)現(xiàn)有方法在模型性能和適用性的局限性,開發(fā)了一種基于對(duì)抗學(xué)習(xí)的“節(jié)點(diǎn)-邊”圖注意力網(wǎng)絡(luò)模型,試圖從以下幾個(gè)方面提高孤獨(dú)癥識(shí)別準(zhǔn)確率:一、通過結(jié)合注意力機(jī)制同時(shí)利用大腦網(wǎng)絡(luò)的節(jié)點(diǎn)和邊的特征進(jìn)行圖分類,以提高模型在圖分類任務(wù)上的性能;二、結(jié)合磁共振腦影像結(jié)構(gòu)和功能多模態(tài)信息,而非單一模態(tài),進(jìn)行分類,充分利用大腦不同模態(tài)數(shù)據(jù)間的互補(bǔ)信息;三、 采用對(duì)抗學(xué)習(xí)策略訓(xùn)練模型,提高分類模型在不同個(gè)體以及不同機(jī)構(gòu)采集的數(shù)據(jù)集之間的通用性和魯棒性;四、 采用一種基于梯度顯著性的可解釋性方法識(shí)別出對(duì)孤獨(dú)癥識(shí)別診斷起重要貢獻(xiàn)的大腦區(qū)域及連接。
圖二 論文提出的“節(jié)點(diǎn)-邊”圖注意力網(wǎng)絡(luò)核心模塊
論文使用全世界最大的孤獨(dú)癥腦影像公開數(shù)據(jù)庫(kù)之一Autism Brain Imaging Data Exchange I(ABIDE I)進(jìn)行模型測(cè)試。該公開數(shù)據(jù)庫(kù)包括來(lái)自全世界17個(gè)不同機(jī)構(gòu)采集的1112名個(gè)體腦影像多模態(tài)數(shù)據(jù)(其中孤獨(dú)癥患者539名,正常發(fā)育個(gè)體573名,年齡范圍7-64歲)。實(shí)驗(yàn)結(jié)果表明論文提出的新模型在所有17個(gè)不同機(jī)構(gòu)采集的數(shù)據(jù)集上均取得了理想的識(shí)別準(zhǔn)確率,并且優(yōu)于現(xiàn)有其他方法。此外,論文提出的模型可解釋性方法成功發(fā)現(xiàn)對(duì)于識(shí)別孤獨(dú)癥患者起重要作用的與默認(rèn)網(wǎng)絡(luò)、心智、語(yǔ)言理解、運(yùn)動(dòng)等相關(guān)的大腦區(qū)域及連接,并且與孤獨(dú)癥癥狀密切相關(guān),從而為探索孤獨(dú)癥有效的生物標(biāo)記物提供了有效線索。
圖三 論文發(fā)現(xiàn)的對(duì)于識(shí)別孤獨(dú)癥患者起重要作用的大腦區(qū)域及連接
論文得到了國(guó)家自然科學(xué)基金、四川省科技計(jì)劃應(yīng)用基礎(chǔ)研究面上項(xiàng)目、廣東省科技計(jì)劃重點(diǎn)項(xiàng)目、北京市科技委項(xiàng)目、江蘇省衛(wèi)健委重點(diǎn)項(xiàng)目的支持。
?
來(lái)源:電子科技大學(xué)官網(wǎng)