Выявление расстройства аутистического спектра с помощью глубокого обучения и набора данных ABIDE

Целью настоящего исследования было применение алгоритмов глубокого обучения для выявления пациентов с расстройством аутистического спектра (РАС) в крупном наборе данных нейровизуализации исключительно на основании паттернов активации головного мозга. Мы изучили данные нейровизуализации пациентов с РАС из всемирной многоцентровой базы данных ABIDE (Autism Brain Imaging Data Exchange). РАС — обусловленное нарушениями работы головного мозга расстройство, характеризующееся социальными нарушениями и повторяющимся поведением. Согласно недавно опубликованным данным Центров по контролю и профилактике заболеваний США, РАС выявляют у одного из 68 детей в США. Мы исследовали паттерны функциональной связности, позволяющие объективно отличать участников с РАС по данным функциональной нейровизуализации, а также попытались выявить нейронные паттерны, сформированные в процессе классификации. Точность выявления РАС по сравнению с контрольной группой составила 70%, что превысило ранее достигнутые результаты. Выявленные при классификации паттерны свидетельствовали об отрицательной корреляции активности передних и задних отделов головного мозга; это согласуется с имеющимися экспериментальными данными о нарушении переднезадней связности при РАС. Мы представляем полученные результаты и определяем области головного мозга, которые, согласно модели глубокого обучения, в наибольшей степени способствовали дифференциации РАС и контрольных участников с типичным развитием.