STWO_GDSNet：门控双流卷积网络用于孤独症谱系障碍检测

International journal of developmental neuroscience : the official journal of the International Society for Developmental Neuroscience · 2026-11-01 · 期刊论文

• 一句话结论：结论方向：作者报告STWO_GDSNet在孤独症谱系障碍（ASD）检测任务上取得较高的分类准确率、敏感度与特异度，属于方法学层面的性能展示；证据档位为C，尚不足以支持临床诊断应用。
• 研究设计与做法：研究设计与做法：属算法开发与内部评估类研究，材料未报告样本量、数据来源队列、训练/测试划分方式、对照方法及随访信息；流程为图像去噪与偏置场校正、功能连接关键区提取、多尺度三角描述子特征提取、方差分析属性剪枝，再由门控双流卷积网络分类。
• 主要结果：主要结果：报告准确率最高96.24%、敏感度95.99%、特异度96.61%；未给出置信区间、p值、样本量或与基线方法的对照差异，材料未报告。
• 机制或解释：机制或解释：作者以功能连接为基础提取关键脑区并融合手工描述子与深度网络特征作为检测依据；未讨论生物学机制层面的因果解释，材料未报告。
• 局限与边界：局限与边界：材料未报告样本量、人群构成、单中心或多中心、外部验证与利益冲突；仅报告内部指标，缺乏独立队列验证，且证据档位为C，泛化性未知。
• 可否落地：可否落地：目前仅提示该流程在特定数据集上可行，属“不足以下结论”档位；对临床诊断不构成证据支持，科研上可作为方法学参考，需独立外部验证后方可进一步评估。

🔗 打开原文

Madhuri S, Merugula S, Sagiraju HK 等

本文摘自《每日前沿研究简报 · 2026-11-01》「AI 医学影像与临床决策」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。