22 Novembre 2026

Psicologia Punto One | Psicologia e Psicologi nel Web

Menu

Menu

SCHEDA SCIENTIFICA2026Altra ricerca

Un framework di apprendimento ensemble multi-atlante per la diagnosi del disturbo dello spettro autistico.

Titolo originaleA multi-atlas ensemble learning framework for autism spectrum disorder diagnosis.

Shengbin Liang, Zhe Zhang, Wencai Du, Feng Gu

Biomedical physics & engineering express · 2026

PER COMPRENDERE LO STUDIO

Sintesi in italiano

L'obiettivo di questo studio è migliorare l'accuratezza diagnostica del disturbo dello spettro autistico (ASD), attualmente basata su scale soggettive e neuroimaging, affrontando limiti come l'alta soggettività e l'estrazione insufficiente delle caratteristiche, fattori che aumentano il rischio di diagnosi errate. La proposta metodologica consiste in una rete multimodale di previsione dell'ASD (APN) che integra risonanza magnetica funzionale a riposo con dati non di imaging. È stata introdotta una nuova tecnica di selezione delle caratteristiche, denominata cumulative distribution divergence score (CDDS), basata sulla connettività funzionale multi-atlante, per quantificare le differenze distribuzionali statistiche tra campioni positivi e negativi, superando le limitazioni del tradizionale F-score. L'architettura di deep learning proposta combina un autoencoder variazionale, un autoencoder denoising e un perceptrone multistrato, progettati per apprendere rappresentazioni latenti robuste attraverso un pre-addestramento non supervisionato seguito da un fine-tuning supervisionato. Un'ulteriore integrazione tardiva di fattori demografici come età, quoziente intellettivo e genere aumenta la discriminabilità, evitando che tali informazioni vengano oscurate dalle caratteristiche di imaging. L'integrazione e il peso delle caratteristiche da tre atlanti (AAL, CC400 e Dosenbach160) consentono una fusione efficace di fonti multiple. I risultati, ottenuti su 10 validazioni incrociate del dataset ABIDE, mostrano che APN raggiunge un'accuratezza dell'81,63%, sensibilità dell'81,89% e specificità dell'81,46%, superando significativamente metodi all'avanguardia. L'analisi interpretativa individua l'ippocampo, l'amigdala e il giro cingolato come regioni fortemente associate all'ASD, offrendo preziose indicazioni sui meccanismi neurali. Tra i limiti non emergono dati specifici sull'applicabilità clinica estesa e su eventuali validazioni esterne.

Sintesi generata con IA. Verifica metodi, risultati e limiti nella pubblicazione originale.

Abstract e pubblicazione originale

L’abstract è consultabile nella fonte originale. Non viene ripubblicato qui perché non risulta verificata una licenza compatibile.

Leggi nella fonte originale ↗

Parole chiave

disturbo dello spettro autisticodiagnosi multimodalerisonanza magnetica funzionaleselezione delle caratteristichedeep learningautoencoder variazionaleconnettività funzionaleensemble multi-atlantemachine learningneuroimaging

Come citare questo studio

Shengbin Liang, Zhe Zhang, Wencai Du, Feng Gu. (2026). A multi-atlas ensemble learning framework for autism spectrum disorder diagnosis.. Biomedical physics & engineering express. DOI: 10.1088/2057-1976/aeb128

Consulta la pubblicazione originale ↗