自閉症スペクトラム障害の検出のための深層学習に基づく特徴選択
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Deep learning-based feature selection for detection of autism spectrum disorder
雑誌名：Front Artif Intell. 2025; 8: 1594372.
概 要：
自閉症スペクトラム障害（ASD）は、コミュニケーション、社会的相互作用、反復行動に課題を抱える神経発達障害です。本研究では、深層学習と高度な特徴選択技術を用いたASD検出の新しいアプローチを提案します。特に、休息状態機能的MRI（rs-fMRI）データから関連する特徴を抽出するために、スタックスパースデノイジングオートエンコーダ（SSDAE）と多層パーセプトロン（MLP）を組み合わせたハイブリッドモデルを使用し、最適化されたハイキング最適化アルゴリズム（HOA）を通じて特徴選択を強化しました。
方 法：
この研究は、ABIDE Iデータセットのrs-fMRIデータを用いたコホート研究です。データはCPACパイプラインを使用して前処理され、SSDAEとMLPを組み合わせたハイブリッドモデルを用いて特徴を抽出しました。最適化されたHOAを用いて、最適な特徴のサブセットへの収束を改善しました。
結 果：
提案されたモデルは、複数のASDデータセットを用いて評価され、平均精度0.735、感度0.765、特異度0.752を達成しました。これにより、既存の最先端手法を上回る結果を示しました。
結 論：
ハイブリッド深層学習アプローチは、ASD検出において効果的であることが示されました。強化された特徴選択プロセスとハイブリッドモデルは、現在の神経画像分析の限界に対処し、より正確で臨床的に適用可能なASD検出モデルの有望な方向性を提供します。