MADE-for-ASD: A Multi-Atlas Deep Ensemble Network for Diagnosing Autism Spectrum Disorder

要約

自閉症スペクトラム障害（ASD）の効率的な早期診断に対する世界的なニーズに応え、この論文は、時間のかかる従来の診断方法と潜在的な自動化ソリューションとの間のギャップを埋めるものです。
我々は、重み付けされたディープアンサンブルネットワークを通じて脳の機能的磁気共鳴画像法（fMRI）データの複数のアトラスを統合する、マルチアトラスディープアンサンブルネットワークであるMADE-for-ASDを提案します。
私たちのアプローチは、人口統計情報を予測ワークフローに統合することで、ASD の診断パフォーマンスを向上させ、患者プロファイリングに関するより全体的な視点を提供します。
私たちは、世界中の 17 の異なる研究室からの安静状態の fMRI データで構成される、よく知られている公的に利用可能な ABIDE (Autism Brain Imaging Data Exchange) I データセットを使用して実験を行います。
私たちが提案したシステムは、データセット全体で 75.20% の精度、特定のサブセットで 96.40% の精度を達成しており、どちらも ABIDE I fMRI 研究で報告されている ASD 診断精度を上回っています。
具体的には、私たちのモデルは、同じ量のデータに対する以前の研究と比べて 4.4 パーセント ポイント改善しました。
このモデルは、データセット全体で感度 82.90%、特異度 69.70%、特定のサブセットでそれぞれ 91.00%、特異度 99.50% を示します。
F スコアを活用して、\emph{前部} や前部 \emph{帯状/腹内側} など、ASD 診断における ROI のトップ 10 を正確に特定します。
提案されたシステムは、ASD 診断において、より費用対効果が高く、効率的かつ拡張可能な戦略への道を開く可能性があります。
コードと評価は TBA で公開されています。

要約(オリジナル)

In response to the global need for efficient early diagnosis of Autism Spectrum Disorder (ASD), this paper bridges the gap between traditional, time-consuming diagnostic methods and potential automated solutions. We propose a multi-atlas deep ensemble network, MADE-for-ASD, that integrates multiple atlases of the brain’s functional magnetic resonance imaging (fMRI) data through a weighted deep ensemble network. Our approach integrates demographic information into the prediction workflow, which enhances ASD diagnosis performance and offers a more holistic perspective on patient profiling. We experiment with the well-known publicly available ABIDE (Autism Brain Imaging Data Exchange) I dataset, consisting of resting state fMRI data from 17 different laboratories around the globe. Our proposed system achieves 75.20% accuracy on the entire dataset and 96.40% on a specific subset $-$ both surpassing reported ASD diagnosis accuracy in ABIDE I fMRI studies. Specifically, our model improves by 4.4 percentage points over prior works on the same amount of data. The model exhibits a sensitivity of 82.90% and a specificity of 69.70% on the entire dataset, and 91.00% and 99.50%, respectively, on the specific subset. We leverage the F-score to pinpoint the top 10 ROI in ASD diagnosis, such as \emph{precuneus} and anterior \emph{cingulate/ventromedial}. The proposed system can potentially pave the way for more cost-effective, efficient and scalable strategies in ASD diagnosis. Codes and evaluations are publicly available at TBA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google