基于多模态深度分支融合网络的意识障碍致病机理研究及精准诊断应用

According to the national strategic requirements of diagnosis of severe brain diseases, and closely linked to the forefront of scientific problems in neuroscience research field, this research will construct an intelligent diagnosis framework based on multi-modal brain information and multi-branch deep learning due to the high misdiagnosis rate of disorders of consciousness (DOC)，and break through the drawback that neuroimaging biomarkers and feature analysis schemes are difficult to accurately identify the dynamic mechanism of consciousness, which aims to explore the most discriminative features hided in clinical multi-modal data and build an quantitative diagnostic indicators for DOC patients. The project totally can be divided into four sub research projects, including the collection of multi modal brain data and analysis of uncertain property, the multi-level combination framework of multi-modal brain information for efficient integration, the diseases classification and mechanism analysis based on multi-branch deep convolution neural network, the construction of the cloud computing system for online diagnosis of DOC patients. The implementation of the project will provide a theoretical foundation and computing framework for deeply revealing the complex pathogenesis of DOC. The research results will provide new solutions for the accurate clinical diagnosis and conscious-promoted rehabilitation of DOC patients.

本项目依据“中国脑计划”重大脑疾病预防诊断研究的国家战略需求，紧扣神经科学领域前沿热点难题，针对现有意识障碍脑疾病临床诊断主观、误诊率高且致病机理尚未明确等瓶颈，本项目拟构建多模态脑信息深度分支融合网络的意识障碍致病机理及精准诊断理论框架，突破现有神经影像技术的脑网络模型复杂度高且诊断识别率低的缺陷，旨在挖掘意识障碍脑功能紊乱疾病潜在发病机制和致病因素，建立客观、统一、量化的意识障碍临床诊断指标。项目共设置多模态脑信息获取与不确定性问题研究、多模态脑信息的多层次高效特征融合框架、多模态深度分支融合网络的特征分类与机理分析、意识障碍云计算在线辅助诊断系统构建和临床验证等四个互为支撑和促进的问题研究。该项目的实施为揭示意识障碍复杂致病机理提供有效的理论依据和计算框架，有望为意识障碍患者的精准诊断和促醒治疗提供新的解决思路。

本项目围绕多模态深度分支融合网络建模和意识障碍致病机理开展研究，主要包括以下内容：1）提出了多模态脑信息标准化采集与处理方案，能够有效避免多模态数据采集和处理过程中产生数据不确定性问题，为意识障碍(DOC)患者深层致病机理研究提供了可靠的数据基础；2）提出了多模态动态自适应脑功能连接网络模型，可以更准确、更灵敏地跟踪动态功能连接随时间的变化情况，为挖掘DOC多模态脑信息的潜在脑活动连接机理提供了有效技术手段；3）构建了时空特征深度融合的注意力深度网络框架，能够通过全面融合节点特征与高阶权重信息，获得了更为准确的意识障碍诊断结果，为DOC患者早期的智能辅助诊断提供了客观的临床量化指标。本项目的研究为深入理解意识障碍致病潜在机理提供了新的思路。在本项目资助下，已发表学术论文109篇，其中包括第一或通讯作者发表国际SCI期刊论文104篇(包括IEEE Trans. 13篇，ESI高被引论文13篇）；国际会议论文5篇。申报国家发明专利20项，其中授权7项；申报软件著作权16项。研制了“意念控制技术”临床意识障碍认知康复平台，将用于辅助全瘫及半瘫患者由自主意识参与的主动式康复训练，提高患者自理能力，成果获央视新闻、新华网等多家媒体报道。培养博士生后3名，博士生8名，硕士生15名；参加国际会议交流5次；于2019年11月22日在“第四届国际意识障碍大会”上做大会学术特邀报告。建立了与美国哈佛大学医学院的实质性合作，已派课题组博士生去美国哈佛大学进行联合培养。任国际期刊International Journal of Biomedical Engineering and Science (2018-目前)编委等。项目执行期间，项目负责人获教育部青年长江学者，并获得中国体视学学会自然科学二等奖1项(排名1)。