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。

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。

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。

蔣希，生命學(xué)院生物醫(yī)學(xué)工程系副研究員、碩士生導(dǎo)師，研究方向?yàn)樯窠?jīng)影像計(jì)算。主持多項(xiàng)國(guó)家及省部級(jí)科研項(xiàng)目，發(fā)表國(guó)際知名期刊和會(huì)議論文130余篇。谷歌學(xué)術(shù)總引用2400余次，h指數(shù)25，i10指數(shù)52。擔(dān)任腦影像國(guó)際知名期刊Frontiers in Neuroscience-Brain Imaging Methods副主編及20余個(gè)國(guó)際重要期刊及會(huì)議評(píng)審。曾獲得2018-19年度美國(guó)李氏基金會(huì)杰出成就獎(jiǎng)之學(xué)術(shù)發(fā)展獎(jiǎng)（全國(guó)唯一獲獎(jiǎng)?wù)撸?016年國(guó)家優(yōu)秀自費(fèi)留學(xué)生獎(jiǎng)等多項(xiàng)榮譽(yù)。

IEEE Transactions on Neural Networks and Learning Systems為中科院大類一區(qū)top期刊，主要發(fā)表有關(guān)神經(jīng)網(wǎng)絡(luò)和相關(guān)學(xué)習(xí)系統(tǒng)的理論、設(shè)計(jì)和應(yīng)用的技術(shù)文章。CiteScore排名計(jì)算機(jī)科學(xué)大類計(jì)算機(jī)網(wǎng)絡(luò)與通信子類所有期刊3/334，以及人工智能子類所有期刊5/227，2020年影響因子10.451。

掃描上方二維碼查看相關(guān)論文