图Mamba与稀疏拟合驱动的自闭症谱系障碍预测OA

静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)被广泛用于自闭症谱系障碍(autism spectrum disorder,ASD)的预测研究。为克服脑区交互关系难以建模、深层网络易出现梯度消失及模型解释性不足等问题,提出一种基于功能连接(functional connectivity,FC)的图Mamba与稀疏拟合驱动网络。该方法通过图Mamba编码器提取具有长程依赖的时序特征,建模可解释的功能连接矩阵;引入残差机制以提升图卷积网络的层次表征能力,并设计图稀疏拟合结合加权聚合策略以缓解维度膨胀问题。在ABIDE数据集上的实验表明,该方法在AAL脑区划分下五折交叉验证的分类准确率达到73.4%,优于所有主流方法。进一步分析发现,所识别的潜在生物标志物与现有医学认知理论高度一致,为ASD临床诊断提供了新的参考。