基于MS-SAGCNs的自闭症诊断研究

来源：电子测量技术杂志2025年第15期北京时间：

作者：蔺博文，曹先庆，杨欢，赵峰

单位：1.沈阳化工大学信息工程学院 沈阳 110142;2.山东工商学院计算机科学与技术学院 烟台 264005

摘要：针对自闭症诊断研究中脑网络建模过程存在的多尺度特征挖掘不充分、皮尔逊相关算法的功能连接估计不准确等问题，提出了一种基于多尺度自注意力图卷积网络MS-SAGCN的自闭症诊断算法框架。首先，使用Morlet小波变换与动态时间规整，提取大脑血氧水平依赖信号的时频信息与基于此信息的多尺度功能连接，随后，通过预训练嵌入模型增强时频特征，与功能连接组合为多尺度脑网络。最终，使用MS-SAGCN对数据进行融合增强，以实现自闭症患者的自动诊断。通过ABIDE数据集进行实验验证，结果表明，MS-SAGCN可有效增强多尺度脑网络，总体框架在分类任务中取得了95.1%准确率、97.4%真阳率和94.9%的F1分数，显著优于其他诊断模型，体现了该模型良好的应用前景。

关键词：自闭症谱系障碍;脑网络;图神经网络;多头自注意力;动态时间规整;长短期记忆网络;连续小波变换;数据挖掘

基金资助：国家自然科学基金(62176140)、中央引领地方（山东省）科技发展资金项目(YDZX2022093)、烟台市科技创新发展计划（校地融合类）(2023XDRH001)项目资助