欢迎来到深圳大学医学部生物医学工程学院官网!

新闻快讯
我院汪天富教授团队在顶级期刊Medical Image Analysis上发表研究论文
发布时间:2020-05-26

     近期,我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,深圳大学为第一署名单位。

 


汪天富教授团队


    自闭症谱系障碍(Autism Spectrum Disorder,ASD)是一种广泛性神经发育障碍,发病率高,治疗费用昂贵,如果不给予及时的干预和治疗,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。
 

 


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


     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,更好的了解脑疾病的发生发展。

 

(a)SASL从四个中心上选择的共同的前5、10和20个生物标志物;
(b)SASL从C4数据集上选择的前5、10和20个生物标志物。


    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