将多中心功能磁共振成像中具备站点感知能力的人群图神经网络的高传导式队列AUC归因于同站点监督

群体图模型可以利用队列层面的背景信息，这使得对多站点神经影像高性能的解释变得复杂。我们探究了在多站点自闭症功能磁共振成像（fMRI）中，哪些信息通路促成了此前报道的较高传导式队列AUC。在固定队列（经典ABIDE-I，871名受试者，20个站点）和固定评估方案下，我们在一个洁净室式重新实现的模型中，对图结构、特征、监督信息和模型架构进行了受控干预，并在两条预处理流程（C-PAC和NIAK）下进行了重复验证。队列交叉折叠AUC约为0.94，并且依赖于与站点相关联的边：仅使用站点信息构建的图与完整模型的性能相当（0.948 vs. 0.941）。这一性能增益需要同站点监督；屏蔽该信息后，AUC降至0.480。该增益并不能由监督预算解释；此外，在架构匹配的预测头中，仅在所评估的具有性别异质性的双通道预测头下观察到这一现象，而经典的仅基于拓扑结构的Parisot-GCN并未表现出相同模式。在留一站点交叉验证评估下，性能降至接近随机水平的AUC（C-PAC为0.522，NIAK为0.532），而仅使用影像信息的参考模型仍分别达到0.653和0.588。因此，在该评估方案下，较高的队列AUC依赖于通过所评估的传导式图获得的同站点监督信息，但这种性能并不能转化为对未见站点的判别能力。

群体图模型可以利用队列层面的上下文信息，这使得对多中心神经影像学高性能的解释变得复杂。我们探究了哪些信息通路导致了此前报道的多中心自闭症 fMRI 中较高的传导式队列 AUC。在固定队列（规范化的 ABIDE-I，871 名受试者，20 个中心）和固定评估方案下，我们对一个洁净室式重新实现的模型进行了受控的图结构、特征、监督信息和架构干预，并在两种预处理流程（C-PAC 和 NIAK）下进行了重复验证。队列交叉验证 AUC 约为 0.94，并且依赖于与中心相关联的边：仅使用中心信息构建的图与完整模型的表现相当（0.948 对 0.941）。这一增益需要同中心监督信息（屏蔽该信息后 AUC 降至 0.480），不能由监督信息预算解释；此外，在架构匹配的分类头中，仅在所评估的性别异质双通道分类头下观察到该现象，而经典的仅基于拓扑结构的 Parisot-GCN 并未呈现相同模式。在留一中心评估下，性能降至接近随机水平的 AUC（C-PAC 为 0.522，NIAK 为 0.532），而仅使用影像信息的参考模型仍分别达到 0.653 和 0.588。因此，在该评估方案下，高队列 AUC 依赖于通过所评估的传导式图获得的同中心监督信息，但这一性能并不能转化为对未见中心的判别能力。

感谢您有意传播 bioRxiv 的相关信息。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.15.751719v1?rss=1

🏷️ 多中心功能磁共振成像 图神经网络 自闭症谱系障碍 站点效应 队列AUC 跨站点泛化