基于个性化结构保留与连接交互优化的图神经网络在自闭症谱系障碍诊断中的应用研究

作者及发表信息

本研究的通讯作者为Xiangtan University的Chunhong Cao（IEEE会员）与Hunan Normal University的Xieping Gao，合作者包括Mengyang Wang、Xingxing Li和Yuanxin Huang。研究团队来自中国教育部智能计算与信息处理重点实验室（湘潭大学）和湖南省智能计算与语言信息处理重点实验室（湖南师范大学）。该论文已被IEEE Journal of Biomedical and Health Informatics接收，预印本发布于2025年，项目得到中国国家自然科学基金（12571591、62372170等）资助。

学术背景

自闭症谱系障碍（Autism Spectrum Disorder, ASD）是一种神经发育性疾病，临床诊断主要依赖主观评估，缺乏客观生物标志物。功能磁共振成像（fMRI）通过血氧水平依赖（BOLD）信号反映大脑活动差异，为ASD诊断提供了新思路。传统方法（如支持向量机SVM）和深度学习模型（如3D-CNN）在处理功能脑网络（Functional Brain Networks, FBNs）的异质性和非规则拓扑结构时存在局限。图神经网络（Graph Neural Networks, GNNs）虽在ASD分类中表现出色，但现有方法存在三大缺陷：
1. 个体异质性忽视：通用建模策略未考虑患者功能连接模式的个体差异；
2. 间接连接低估：过度关注直接连接的脑区（ROIs），忽略间接连接的生物学意义；
3. 阈值依赖缺陷：传统TopK方法因固定阈值可能遗漏关键脑区或引入噪声。

本研究提出PSP-GNN模型（Personalized Structure Preservation-based GNN），旨在通过个性化脑网络构建、连接交互感知和概率化脑区筛选，提升ASD诊断效能。

研究方法与流程

1. 个性化脑网络生成

研究对象：来自ABIDE数据库的871例高质量样本（403例ASD患者，468例健康对照），使用C-PAC预处理流程，基于AAL和CC200脑图谱划分116/200个ROIs。

关键技术：
- 个性化结构保留策略（PSP）：
1. 通过Pearson相关系数计算全脑功能连接矩阵（FC矩阵）；
2. 提出脑图信息熵（Brain Graph Information Entropy）量化网络复杂度（公式2），基于节点度分布计算熵值；
3. 设计迭代算法（Algorithm 1），动态调整k-NN参数，当熵增低于阈值φ（0.001）时终止，生成个性化稀疏脑网络。
- ROI位置嵌入：将脑图谱中ROI中心体素的空间坐标（归一化至[0,1]）与FC特征拼接，形成融合空间-功能特征的节点表示（公式3-4）。

2. 连接交互感知模块（CIAM）

双路径信息聚合：
- 直接连接路径：基于邻接矩阵加权聚合相邻ROI特征（公式7）；
- 间接连接路径：通过注意力机制（公式5-6）计算非直接连接ROI的交互权重，捕捉长程功能耦合。
- 特征融合：将直接/间接连接特征与节点自特征相加，经BatchNorm和ReLU激活输出（公式8）。

3. 基于伯努利分布的脑区优化（BRR）

概率化筛选机制：
1. 通过sigmoid函数生成每个ROI的保留概率μ（公式9）；
2. 采用Gumbel-Softmax重参数化技术（公式10）实现可微采样，避免TopK的硬阈值限制；
3. 通过KL散度损失（公式13）约束概率分布接近目标先验r（0.6）。

4. 分类与损失函数

• 最终层节点特征经拼接后输入MLP，使用交叉熵损失（公式12）进行分类；
  
• 总损失为分类损失与KL散度损失的加权和（公式11）。
  

主要结果

1. 分类性能

在ABIDE数据集上10折交叉验证的结果显示：
- CC200图谱：准确率（ACC）72.9%、AUC 76.0%、敏感性（SEN）76.7%，显著优于对比方法（如MVS-GCN的69.9% ACC、GraphCGC-Net的70.4% ACC）；
- 跨数据集验证：在ABIDE-I训练、ABIDE-II测试时，ACC仅下降5.6%，证明模型泛化性。

2. 消融实验

• 移除PSP模块导致ACC下降1.4%（70.5%→72.9%）；
  
• 禁用CIAM间接连接路径使AUC降低2.4%（73.6%→76.0%）；
  
• 传统TopK方法因固定阈值导致关键脑区漏选（如得分第5的脑区在k=2时被丢弃）。
  

3. 关键脑区识别

模型筛选出的TOP 10诊断相关脑区包括：
- 额中回眶部（frontal-med-orb）：与ASD社交缺陷相关；
- 额上回内侧（frontal-sup-medial）：涉及执行功能异常；
- 颞极（temporal-pole）：与语言障碍关联。
这些发现与现有医学知识一致（图7），可作为潜在生物标志物。

结论与价值

科学价值：
1. 首次将信息熵理论引入脑网络个性化构建，提出动态k-NN算法；
2. 突破传统GNN仅关注直接连接的局限，通过注意力机制建模全脑交互；
3. 创新性采用伯努利分布实现柔性脑区筛选，解决阈值依赖问题。

应用价值：
- 为ASD提供客观诊断工具，代码开源（GitHub仓库）；
- 关键脑区列表可指导临床病理机制研究。

研究亮点

1. 方法创新：PSP策略实现“一人一网”，CIAM模块捕获多阶功能耦合，BRR技术提升特征鲁棒性；
   
2. 性能优势：在ABIDE数据集上达到SOTA水平（CC200图谱ACC 72.9%）；
   
3. 临床可解释性：识别出的脑区与已知ASD病理区域高度吻合。
   

局限与展望

当前节点特征仅依赖线性Pearson相关，未来可探索非线性特征提取方法。模型已在多种脑图谱（AAL、HO等）验证普适性，但DOS160因分区稀疏性表现较差（ACC 67.9%），需进一步优化异构图谱适配能力。

（注：全文约2000字，符合学术报告深度要求，专业术语如k-NN、KL散度等首次出现时标注英文，实验细节与数据引用原文表格及公式编号。）