一种基于GNN的多模态脑成像自闭症谱系障碍检测方法

本发明公开了一种基于GNN的多模态脑成像自闭症谱系障碍检测方法，通过引入与传统特征的不同的以边缘为中心的功能连接网络，挖掘脑区间更加高阶的信息交互，精准捕捉自闭症患者的脑功能异常模式。同时，利用GNN的图结构学习能力，将脑成像数据与临床文本信息整合为统一的多模态图，捕捉复杂的非线性关系，实现多模态特征的深度结合；该方法有效提升了自闭症检测的准确性与鲁棒性，为个性化诊断与治疗提供技术支持，解决了多模态数据融合和脑网络分析中的关键技术难题，提升了ASD早期诊断的准确性和可靠性。