Efficient 4D fMRI ASD Classification using Spatial-Temporal-Omics-based Learning Framework

要約

自閉症スペクトラム障害（ASD）は、社会的および行動発達に影響を与える神経発達障害です。
脳の接続性パターンをキャプチャするための非侵襲的ツールである安静状態のfMRIは、早期のASD診断と典型的なコントロール（TC）との分化を支援します。
ただし、平均時系列または完全な4Dデータのいずれかに依存する以前の方法は、空間情報の不足または高い計算コストによって制限されます。
これは、空間情報と時間的情報の両方を保存する効率的なソリューションの必要性を強調しています。
この論文では、ASD分類のためにFMRIから時空間的特徴を効率的に抽出するように設計された、斬新でシンプルで効率的な空間的オミクス学習フレームワークを提案します。
私たちのアプローチは、3D時間ドメイン誘導体を空間的なボクセル間OMICSとして利用することにより、これらの制限に対処します。これは、各ボクセルで時系列の多様な統計的特性をキャプチャしながら、完全な空間分解能を維持します。
一方、機能的な接続性の特徴は、空間的領域間のオミクスとして機能し、脳領域全体の相関をキャプチャします。
ABIDEデータセットに関する広範な実験とアブレーション研究は、私たちのフレームワークが計算効率を維持しながら以前の方法を大幅に上回ることを示しています。
私たちの研究は、特に空間的オミクスベースの学習の領域において、将来のASD研究を通知および前進させる貴重な洞察を提供すると考えています。

要約(オリジナル)

Autism Spectrum Disorder (ASD) is a neurodevelopmental disorder impacting social and behavioral development. Resting-state fMRI, a non-invasive tool for capturing brain connectivity patterns, aids in early ASD diagnosis and differentiation from typical controls (TC). However, previous methods, which rely on either mean time series or full 4D data, are limited by a lack of spatial information or by high computational costs. This underscores the need for an efficient solution that preserves both spatial and temporal information. In this paper, we propose a novel, simple, and efficient spatial-temporal-omics learning framework designed to efficiently extract spatio-temporal features from fMRI for ASD classification. Our approach addresses these limitations by utilizing 3D time-domain derivatives as the spatial-temporal inter-voxel omics, which preserve full spatial resolution while capturing diverse statistical characteristics of the time series at each voxel. Meanwhile, functional connectivity features serve as the spatial-temporal inter-regional omics, capturing correlations across brain regions. Extensive experiments and ablation studies on the ABIDE dataset demonstrate that our framework significantly outperforms previous methods while maintaining computational efficiency. We believe our research offers valuable insights that will inform and advance future ASD studies, particularly in the realm of spatial-temporal-omics-based learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google