通讯作者: 杨啸林, yangxl@pumc.edu.cn

DOI：10.12201/bmr.202509.00005

HMGNet: Autism Spectrum Disorder Diagnosis Based on Hierarchical Multi-dimensional Feature Map Convolutional Networks

• 摘要：目的/意义 从孤独症谱系障碍（Autism Spectrum Disorder，ASD）的临床诊断挑战出发，探讨基于静息态功能磁共振成像（rs-fMRI）的脑功能连接（Functional Connectivity，FC）在预测ASD中的应用潜力，旨在解决神经精神疾病诊断中生物标记物难以确定的问题。方法/过程 提出了一种名为HMGNet的层次化多维特征图卷积网络模型，该模型通过设计TE时间序列编码器提取具有长期依赖性的时序相关特征，并强化FC矩阵特征建模。同时，引入图注意力机制实现动态权重调整以识别关键脑区间互动，并利用残差学习加深GCN架构，从而学习更高级的信息层次。结果/结论 实证结果显示，在两种类型的ABIDE数据集上，HMGNet实现了74.4%的准确率，相较于多数竞争对手的72.6%，表现更为优异。此外，研究揭示的生物标记物与现有权威医学知识高度吻合，为ASD的临床诊断提供了可行的新路径。通过改进深度网络构建、提高模型解释性等手段，HMGNet不仅提升了诊断的准确性，也为未来ASD的早期发现和干预策略的发展提供了坚实的基础。

  关键词： fMRI；HMGNet；孤独症诊断；注意力模型; ; ; 

   

  Abstract: Purpose/Significance Starting from the challenges in the clinical diagnosis of Autism Spectrum Disorder (ASD), this study explores the potential application of functional connectivity (FC) based on resting-state functional magnetic resonance imaging (rs-fMRI) in predicting ASD. The aim is to address the difficulty of identifying reliable biomarkers in the diagnosis of neuropsychiatric disorders. Methods/Process We propose a novel model called HMGNet, a hierarchical multi-dimensional feature graph network. This model employs a TE time-series encoder to extract temporal correlation features with long-term dependencies and enhances FC matrix feature modeling. Additionally, a graph attention mechanism is introduced to dynamically adjust weights for identifying key inter-regional brain interactions, while residual learning is utilized to deepen the GCN architecture, enabling the learning of higher-level information hierarchies. Results/Conclusion Empirical results demonstrate that HMGNet achieves an accuracy of 74.4% on two types of ABIDE datasets, surpassing the performance of most competitors, which typically achieve 72.6%. Moreover, the identified biomarkers are highly consistent with authoritative medical knowledge, providing a feasible new pathway for the clinical diagnosis of ASD. By improving deep network construction and enhancing model interpretability, HMGNet not only increases diagnostic accuracy but also lays a solid foundation for the development of future strategies for early detection and intervention in ASD.

  Key words: fMRI; Hierarchical multi-dimensional feature graph network; Autism spectrum disorder; attention model

  提交时间：2025-09-01

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 李辉, 邵洁. 儿童孤独症谱系障碍相关环境因素研究进展. 2024. doi: 10.12201/bmr.202410.00005

  吕艳华, 崔云龙, 王康龙, 钟小云, 陈家珠. 基于公众关注主题及情感视角的药物评论数据分析研究——以帕罗西汀治疗孤独症为例. 2024. doi: 10.12201/bmr.202408.00060

  程文昌, 徐小莲, 纪萌, 韩献成. 多维度过程考核在住培教学质量提升中的应用. 2024. doi: 10.12201/bmr.202412.00010

  胡海洋, 赵从朴, 马琏, 姜会珍, 张晶, 朱卫国. 基于注意力机制和DGCNN的中文医疗命名实体识别. 2021. doi: 10.12201/bmr.202102.00004

  吕艳华, 王康龙, 钟小云, 陈俊冶. 基于文本挖掘的互联网医疗平台用户画像模型构建 ——以自闭症疾病问诊数据为例. 2023. doi: 10.12201/bmr.202312.00012

  黄锦泉, 张楚, 刘灵涛, 潘玮, 翟菊叶, 刘玉文. 基于HSM_LDA模型的在线医院特色挖掘研究*. 2023. doi: 10.12201/bmr.202305.00012

  黄秋玲, 郁峰, 邹小杰, 徐震. 注意缺陷多动障碍儿童的多动行为与血清促甲状腺激素水平的关系. 2024. doi: 10.12201/bmr.202411.00024

  冯利, 岳小飞. 9种结合式机器学习算法在基于高维数据的肿瘤早期诊断准确性的比较研究. 2021. doi: 10.12201/bmr.202108.00016

  陈逸菲, 王龙超, 王德超, 李永洁, 唐小利. 基于图神经网络的动态技术机会发现方法研究——以动脉粥样硬化诊疗技术为例. 2025. doi: 10.12201/bmr.202503.00040

  胡志坚. 区块链技术在分级诊疗中的应用研究. 2021. doi: 10.12201/bmr.202111.00004

• 序号	提交日期	编号	操作
  1	2025-06-26	10.12201/bmr.202509.00005V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论