MACAFNet transformer-based multi-atlas fusion framework for autism spectrum disorder classification using functional connectivity.

Contexte : Le trouble du spectre autistique (TSA) est un trouble neurodéveloppemental marqué par des difficultés en communication, interaction sociale et comportement. Son diagnostic repose souvent sur des critères cliniques, mais des outils objectifs basés sur l'imagerie cérébrale pourraient améliorer la précision. Objectif : Proposer un cadre de classification du TSA (MACAFNet) utilisant des caractéristiques de connectivité fonctionnelle (CF) issues de l'IRMf au repos, en intégrant des informations de multiples atlas cérébraux. Méthode : Le framework MACAFNet combine des représentations de connectivité issues de six atlas (AAL, CC200, Dosenbach160, EZ, HO, TT) via un espace d'embedding partagé et un mécanisme d'attention basé sur le Transformer, permettant une fusion dynamique des caractéristiques. Une classification neuronale suit cette étape. Résultats : Testé sur le jeu de données ABIDE-I, le modèle atteint une précision de 88,46 % et un AUC de 0,9546, démontrant une bonne capacité discriminative pour distinguer les cas de TSA. Intérêt clinique : Cette approche contextuelle et multi-atlas pourrait améliorer la compréhension des motifs de connectivité cérébrale associés au TSA, offrant un outil prometteur pour la recherche et potentiellement le diagnostic. Limites : Les résultats dépendent des données ABIDE-I ; une validation sur des cohortes plus diverses est nécessaire. La complexité du modèle pourrait limiter son utilisation en pratique clinique directe.

Utilisation de la connectivité fonctionnelle (CF) pour le diagnostic du TSA Fusion multi-atlas via un Transformer pour capturer des dépendances contextuelles Précision élevée (88,46 %) sur ABIDE-I Potentiel pour des recherches sur les mécanismes neurofonctionnels du TSA

Amélioration de la classification du TSA grâce à une analyse objective de la connectivité cérébrale Outils de recherche pour identifier des biomarqueurs neurofonctionnels Nécessite une validation sur des populations cliniques variées avant utilisation en pratique

Dépendance exclusive aux données ABIDE-I (manque de diversité géographique ou démographique) Complexité du modèle pourrait limiter son application directe en milieu clinique Absence de données sur la généralisation à d'autres troubles neurodéveloppementaux

Preprint