可解释图神经网络
跨站点稳定诊断
利用多模态临床脑电特征,即使在小样本和人群异质性条件下也能稳健区分精神分裂症。
Sun, Zhaohong · Zhao, Liansheng · 王强 · Li, Xiaoying · 邓伟 · 高忠科 · Huang, Fei · Huang, Songfang · Zhang, Yaoyun · 李涛
Neuropsychopharmacology 2023
参数信息
- AUC(成人独立数据集)
- 0.793-0.852
- 准确率(成人独立数据集)
- 0.786-0.858
- AUC(青少年数据集)
- 0.702
- 准确率(青少年数据集)
- 0.690
技术优势
小样本也能训
模型在一个仅 188 人的小数据集上训练,并借助大规模公开数据集增强,仍能保持跨站点性能。
跨人群稳得住
在成人、青少年、不同种族的数据集上均取得可用性能,说明模型对人群异质性不敏感。
能指出关键频段
特征可视化显示 theta 和 alpha 频段功率是最显著且可迁移的生物标志物,为后续机制研究提供线索。
应用场景
- 精神疾病诊断辅助:用常规临床脑电即可给出客观判别分数,辅助医生快速筛查精神分裂症。
- 脑电生物标志物发现:特征重要性排序揭示 theta 和 alpha 频段功率为可迁移标志物,指引机制研究。
- 多模态生理信号融合:融合脑电特征与人口学信息,提升小样本下的分类性能。
- 可穿戴精神监测:轻量模型可部署于便携脑电设备,实现日常精神状态连续监测。
- 医疗辅助机器人:为机器人提供实时脑电判别模块,辅助精神科交互中的状态识别。