深医科研成果

生物医学工程学院汪天富教授团队在顶级期刊Medical Image Analysis上发表研究论文

文章来源: 作者: 发布时间:2020年05月28日 点击数: 字体:

近期,澳彩官网平台生物医学工程学院汪天富教授团队在医学图像分析领域顶级期刊Medical Image Analysis(影响因子8.88)发表了题为“Self-weighted Adaptive Structure Learning for ASD Diagnosis via Multi-template Multi-center Representation”的研究论文,汪天富教授和雷柏英副教授为论文共同通讯作者,所指导的硕士研究生黄芳琳为第一作者,澳彩彩票官方网站为第一署名单位。

自闭症谱系障碍(Autism Spectrum DisorderASD)是一种广泛性神经发育障碍,发病率高,治疗费用昂贵,如果不给予及时地干预和治疗,患者将没有独立生存的能力。目前,ASD的诊断主要基于医生对儿童行为的观察,严重依赖医生的专业水平和经验,有很强的主观性,而专研ASD的医生又很匮乏,因此误诊率较高。对ASD的建模研究,有助于医生了解该疾病的病理机制并做出正确的决策,从而对疾病进行有效干预,提高患者生活水平。

该论文提出建立多模板多中心学习模型实现ASD的自动诊断。首先,为了合理的建模脑网络,正确表达脑区之间的关系,比较了不同的数据拟合方法,并融入了大脑的先验知识,在网络构建的基础上,提出一种新的多模板多中心集成分类框架,将稀疏特征学习、流形学习和分类统一在同一个框架中。该方法在不同的成像中心进行了实验验证,分别获得了77.63%,82.73%,78.11%和89.13%的平均精度,表明该方法可以提高诊断的准确率,有益于辅助临床医师做出医学诊断决定,并让患者得到及时的干预治疗,减轻家庭负担。此外,本研究挑选出了与疾病相关的生物标志物,有助于医生对ASD的病理机制进行深入研究,更好地了解脑疾病的发生发展。

该研究获得了国家自然科学基金、广东省珠江人才计划、深圳市孔雀计划和深圳市科技计划基础研究(学科布局)等项目资助。

研究成果链接:https://doi.org/10.1016/j.media.2020.101662


基于多模板多中心表示的自权重自适应结构学习模型流程图

aSASL从四个中心上选择的共同的前51020个生物标志物;(bSASLC4数据集上选择的前51020个生物标志物。