基于动态图-Mamba脑网络的儿童自闭症谱系障碍诊断
本研究回顾性纳入15个影像站点共607例ASD患儿与568名健康对照者的rs-fMRI数据，构建融合图神经网络与Mamba架构的GMBNet模型，采用留一站点交叉验证评估跨中心泛化能力。模型在全数据集平均准确率达87.32%、平均AUC为0.863，可解释性分析揭示默认模式网络低连接与突显网络异常高连接为ASD核心影像特征。
要点
- GMBNet基于rs-fMRI实现ASD辅助诊断，全数据集平均AUC为0.863，跨15个中心表现稳定，具备临床转化潜力。
- 可解释性分析提示默认模式网络低连接对应社交障碍，突显网络异常高连接对应感觉过敏与情绪调节困难，有助于理解影像-临床关联。
- 消融实验证明空间Graph-Mamba块、时间Mamba块及图卷积增强模块均对模型性能有独立贡献，缺一均导致AUC下降。
核心结论
- 基于rs-fMRI构建的GMBNet模型诊断儿童ASD的平均准确率为87.32%，平均AUC为0.863，在15个独立站点中均表现稳定，跨中心泛化能力良好。
- 可解释性分析识别的脑网络异常模式与ASD神经病理机制高度吻合，可为儿童ASD提供潜在辅助诊断工具。
研究设计与样本
- 回顾性多中心研究，纳入来自15个独立影像站点的607例ASD患儿与568名健康对照者的rs-fMRI影像及临床资料。
- 基于传递熵结合滑动窗口技术构建动态脑功能网络，融合图神经网络与Mamba架构建立GMBNet模型。
- 采用留一站点交叉验证法评估模型整体性能及跨中心泛化能力。
关键影像表现/征象
- ASD患儿默认模式网络呈低连接特征，与社交障碍临床表现相关。
- ASD患儿突显网络表现为异常高连接，对应感觉过敏、情绪调节困难等临床表现。
诊断标准与关键数值
- GMBNet全数据集平均准确率为87.32%，平均AUC为0.863（15个站点留一交叉验证）。
- 消融实验：移除空间Graph-Mamba块后平均AUC为0.817，移除时间Mamba块后平均AUC为0.829，移除图卷积增强后平均AUC为0.841。
临床应用与阅片要点
- rs-fMRI动态脑网络分析可作为儿童ASD的潜在影像辅助诊断手段，报告时可关注默认模式网络与突显网络的连接异常。
- 模型在小样本站点性能未见明显衰减，提示未来多中心临床部署具有可行性，但仍需前瞻性验证。
- 阅片时需注意rs-fMRI数据质量（头动、信噪比）对动态网络构建的影响，跨站点数据一致性是潜在陷阱。
局限性
- 回顾性研究设计，存在选择偏倚风险。
- 各站点扫描参数、设备型号存在异质性，可能影响网络构建的一致性。
- 研究未报告各站点具体样本量分布，小样本站点的验证结论尚需谨慎解读。
- 模型尚未经过前瞻性临床验证，距实际临床应用仍存在差距。
原文图文
目的 探索基于静息态功能磁共振成像（rs-fMRI）的动态图-Mamba脑网络模型（GMBNet）诊断儿童自闭症谱系障碍（ASD）的价值。 方法 回顾性纳入来自15个独立影像站点的607例ASD患儿与568名健康对照者的rs-fMRI影像及临床资料。基于传递熵结合滑动窗口技术构建动态脑功能网络,融合图神经网络与Mamba架构构建Graph-Mamba脑网络模型（GMBNet）,采用留一站点交叉验证法评估模型整体性能;并通过Integrated Gradients可解释性分析定位ASD相关的关键脑区及异常连接模式。 结果 GMBNet模型在15个独立影像站点中均表现出稳定的诊断效能,全数据集的平均准确率为87.32%,平均曲线下面积（AUC）为0.863;即便在小样本站点,模型性能未出现明显衰减,提示模型具备良好的跨中心泛化能力。为验证模型各模块的贡献,通过消融实验,移除空间Graph-Mamba块后的平均AUC为0.817,移除时间Mamba块后的平均AUC为0.829,移除图卷积增强后的平均AUC为0.841。可解释性分析显示,ASD患者的默认模式网络呈现低连接特征,与社交障碍相关;突显网络表现为异常高连接,对应感觉过敏、情绪调节困难等临床表现。 结论 基于rs-fMRI构建的GMBNet模型具备较好的诊断效能与泛化能力,识别的脑网络异常与ASD的神经病理机制高度吻合,可为儿童ASD的诊断提供潜在辅助诊断工具。
引用
- 临床放射学杂志：基于动态图-Mamba脑网络的儿童自闭症谱系障碍诊断
供执业医师工作参考，不替代临床判断；数值与分级以指南原文为准。