一种基于自适应异质图学习的脑功能连接异常辅助分析方法及系统

摘要: 本发明属于医学影像分析,具体涉及一种基于自适应异质图学习的脑功能连接异常辅助分析方法及系统。背景技术:1、自闭症谱系障碍(autismspectrumdisor...
一种基于自适应异质图学习的脑功能连接异常辅助分析方法及系统

本发明属于医学影像分析,具体涉及一种基于自适应异质图学习的脑功能连接异常辅助分析方法及系统。

背景技术:

1、自闭症谱系障碍(autism spectrum disorder,asd)是一种复杂的神经发育障碍,以社交沟通缺陷和限制性、重复性行为模式为核心特征。近年来,asd的全球患病率持续上升,已成为重大的公共卫生问题。鉴于早期大脑具有较高的可塑性,早期识别和干预可显著改善患者的长期预后和生活质量。然而,目前临床诊断仍主要依赖于ados和adi-r等标准化行为评估工具,该方法具有主观性强、耗时长、资源消耗大等局限性。更为关键的是,可观察的行为症状往往滞后于神经病理变化,限制了早期干预的最佳窗口。因此,开发基于客观生物标志物的计算机辅助诊断方法具有重要的临床价值。

2、静息态功能磁共振成像(resting-state functional mri,rs-fmri)通过捕捉血氧水平依赖(blood oxygen level dependent,bold)信号的自发波动,能够精确描绘大脑内在的功能连接模式,已成为研究asd神经病理学的关键非侵入性工具。

3、近年来,图神经网络(graph neural network,gnn)在脑疾病计算机辅助诊断领域展现出广阔前景。目前基于gnn的asd诊断方法主要分为两类:个体级方法和群体级方法。个体级方法将每个受试者的大脑网络视为独立图进行处理;群体级方法则将整个队列映射为单一图,其中节点代表受试者,边编码表型或影像相似性,通过消息传递利用受试者间关系进行推理。

4、然而,现有技术仍面临以下重大挑战:

5、第一,直推式与归纳式设置的混淆。现有大多数群体图方法采用直推式学习设置,即训练集和测试集受试者共同作为图节点参与图构建和消息传递。这在回顾性队列分析中具有合理性,但与临床单患者部署场景严重不符——在实际临床应用中,新患者独立到达,必须即时评估,无法预先获知测试队列的拓扑结构。直推式设置系统性地高估了模型的临床效用,而现有技术鲜有对此泛化差距进行系统量化。

6、第二,单一图谱的空间偏差。现有方法通常依赖单一脑图谱分区构建功能连接网络,不同图谱在分区粒度、解剖边界定义等方面存在差异,单一图谱难以适应受试者间异质性的功能拓扑结构,导致诊断性能受限。

7、第三,性别异质性被忽视。大量神经生物学证据表明,男性和女性大脑存在不同的结构和功能架构,asd在不同性别中表现出差异化的神经连接轨迹。然而,现有群体gnn采用同质消息传递,不加区分地聚合所有邻居节点信息,在数学上平均化了性别二态性的病理特征,稀释了性别特异性诊断信息。

8、第四,模型可解释性不足。gnn的深度非线性特性使得决策过程缺乏透明度,临床医生难以理解模型的诊断依据,严重制约了模型的临床可信度和实际应用。

技术实现思路

1、本发明的目的是:旨在提供一种基于自适应异质图学习的脑功能连接异常辅助分析方法及系统,用于解决背景技术中所指出的不足和技术问题。

2、为实现上述技术目的,本发明采用的技术方案如下:

3、一种基于自适应异质图学习的脑功能连接异常辅助分析方法,包括以下步骤:

4、s100、获取受试者的静息态功能磁共振成像数据及对应的表型信息,所述表型信息至少包括性别信息和扫描站点信息;

5、s200、基于多个不同的脑图谱分区,分别构建各受试者的功能连接网络,并对多图谱特征进行融合,得到多图谱连接组特征,多个不同的所述脑图谱分区至少包括aal图谱、cc200图谱和harvard-oxford图谱;

6、s300、对所述多图谱连接组特征进行折叠内标准化和主成分分析降维,得到各受试者的低维初始表示,其中标准化参数和主成分分析投影矩阵仅基于训练集受试者拟合;

7、s400、将各受试者的低维初始表示输入至受试者编码器,提取独立于群体结构的个体嵌入向量;

8、s500、根据预设的部署协议构建异质群体图,所述群体图的节点为各受试者,节点特征为所述个体嵌入向量,边基于受试者间的表型相似性构建;

9、s600、通过异质图变换器对所述群体图进行推理,所述异质图变换器包含独立的同性消息传递通道和异性消息传递通道,通过可学习的门控机制自适应融合两个通道的输出,得到各节点的高阶表示;

10、s700、将所述高阶表示输入至分类器,输出各受试者的脑功能连接异常辅助判别概率及风险评分,供专业人员参考,不构成临床诊断结论。

11、作为本发明技术方案的进一步限定,所述步骤s200中的“基于多个不同的脑图谱分区,分别构建各受试者的功能连接网络,并对多图谱特征进行融合”具体包括:

12、从各图谱定义的感兴趣区提取平均血氧水平依赖信号时间序列,计算感兴趣区之间的皮尔逊相关系数,施加fisher’s r-to-z变换和阈值稀疏化处理,得到各图谱的功能连接矩阵;

13、以aal图谱的功能连接矩阵为基础,计算aal网络的节点级拓扑度量矩阵,所述节点级拓扑度量至少包括度、度中心性、特征向量中心性、介数中心性和聚类系数;

14、计算cc200图谱和harvard-oxford图谱的全局拓扑上下文向量;

15、将所述功能连接矩阵、节点级拓扑度量矩阵和全局拓扑上下文向量沿通道维度拼接,得到融合的个体级多图谱表示。

16、作为本发明技术方案的进一步限定,所述s300中“对所述多图谱连接组特征进行折叠内标准化和主成分分析降维”具体包括:

17、在每个交叉验证折中,标准化器的均值和标准差以及主成分分析投影矩阵仅基于训练集受试者拟合,测试集受试者使用预拟合参数进行被动转换;

18、保留前32个主成分,作为各受试者的低维初始表示。

19、作为本发明技术方案的进一步限定,所述步骤s400中的所述受试者编码器为三层图卷积网络堆栈且均包含批归一化层,并采用并行的双尺度池化架构,其中:

20、第一分支采用自注意力图池化,第二分支采用可微分池化;

21、两个分支的输出经全局均值池化后通过残差求和融合,得到所述个体嵌入向量。

22、作为本发明技术方案的进一步限定,所述步骤s500中“预设的部署协议”包括以下三种模式:

23、全直推式模式:群体图包含训练集和测试集全部受试者作为节点,边涵盖整个队列中满足表型相似性约束的全部连接;

24、半直推式模式:群体图节点包含训练集和测试集全部受试者,但严格禁止测试集受试者之间的边连接;

25、归纳式参考图模式:群体图仅以训练集受试者构建参考图,测试集受试者仅在推理阶段通过表型相似性阈值附着到参考图节点上。

26、作为本发明技术方案的进一步限定,所述步骤s500中“边基于受试者间的表型相似性构建”具体包括:

27、对于任意两个受试者,表型相似性得分为性别匹配指示值与扫描站点匹配指示值之和;

28、将亲和力矩阵在折叠内进行标准化,当标准化得分超过预设阈值时建立边。

29、作为本发明技术方案的进一步限定,所述步骤s600中的所述异质图变换器包括堆叠的三个异质图变换器层,其中:

30、每个层中同性消息传递通道和异性消息传递通道分别采用transformerconv算子,门控权重通过softmax归一化使得两通道权重之和为1。

31、作为本发明技术方案的进一步限定,所述步骤s700中的所述分类器的训练采用基于标签平滑的相对熵校准损失函数,标签平滑因子为0.1。

32、作为本发明技术方案的进一步限定,还包括步骤s800、归因映射步骤,具体为:

33、采用积分梯度方法计算各潜在特征维度对预测函数的贡献,得到潜在归因矩阵;利用主成分分析投影矩阵的转置将潜在归因矩阵无损反向投影至标准化特征空间;

34、通过训练集特征标准差向量进行逆标准化,恢复至原始特征物理尺度;将归因值映射至mni标准空间进行可视化。

35、本发明与现有技术相比,具有以下显著优点和有益效果:

36、①本发明明确定义并实现了三种部署协议(全直推式、半直推式、归纳式参考图),在脑功能连接异常辅助分析中系统量化了从队列级协作推理(s500全直推式)到单患者临床部署的泛化差距;

37、②本发明同时采用aal、cc200和harvard-oxford三个互补性脑图谱,通过功能连接矩阵、节点级拓扑度量和全局上下文向量的多层次融合,构建了信息丰富的个体级脑网络表示,有助于提升模型对不同空间尺度拓扑特征的捕捉能力;

38、③本发明在群体图推理中引入独立的同性消息传递通道和异性消息传递通道,通过可学习的门控机制自适应融合,避免了传统同质消息传递对性别二态性病理特征的稀释;

39、④本发明利用积分梯度的公理完备性,结合pca的线性可逆特性,实现了从低维潜在空间到原始脑网络拓扑的无损归因反向投影。归因结果在mni标准空间中的分布与asd公认的神经病理学发现高度一致(包括枕颞社会回路、默认模式网络枢纽和小脑-皮层通路),为临床医生提供了透明、可信的决策依据;

40、⑤本发明所有预处理步骤(标准化、pca降维)中均采用折叠内拟合策略,确保测试集信息在任何环节均不参与模型训练,诚实反映了模型的真实泛化能力;

41、⑥本发明同时支持全直推式(回顾性队列分析)、半直推式(批量筛查)和归纳式参考图(单患者床旁部署)三种模式,具有良好的临床适应性和灵活性。