深圳市儿童医院曾洪武教授团队利用深度学习精准映射脑瘫儿童大脑发育轨迹。该研究成果发表在人工智能领域国际顶级期刊《Expert Systems With Applications》研究论著“Mapping brain development against neurological disorder using contrastive sharing”（中国科学院1区，影响因子7.5）。深圳市儿童医院放射科Hassan Muhammad为第一作者，曾洪武教授为通讯作者。《Expert Systems With Applications》是人工智能、运筹学等领域国际顶级期刊，期刊当前影响因子为8.5，属于中国科学院SCI期刊大类分区1区TOP期刊，在全球具有强大的学术影响力。

　　研究团队通过深度学习技术深入探究了脑瘫（Cerebral Palsy, CP）儿童与健康儿童大脑发育的差异。研究团队开发了两种深度学习模型：SCT-DL和MCT-DL，通过训练识别与大脑发育相关的脆弱脑区，特别关注了从几个月到17岁儿童的大脑发育过程。SCT-DL和MCT-DL模型均采用了全卷积网络和注意力机制，通过平均池化操作、并行部分计算单元、专业参数共享模块、融合以及空间－通道注意力机制，精确捕捉和关联大脑发育的关键特征。研究结果显示，SCT-DL模型在T1加权成像上的平均绝对误差（MAE）为1.73，而MCT-DL模型在T1加权圆圈加上矢状面的耦合上，预测精度达到了MAE=1.08，显示出显著的性能提升。这些模型不仅区分了健康儿童和脑瘫患者之间的学习模式，还揭示了早期年龄（约两岁）与大脑发育的显著关联，而在后期这种关联则较弱。

　　这项研究利用放射组学研究的神经发育，对临床指导和实践具有重要意义，研究结果将有助于脑瘫的精准诊断和监测疗效，为儿童神经发育的研究和临床实践提供了新的视角和方法。

　　该研究得到广东省高水平医院建设、深圳市科技创新局和深圳市三名工程项目等基金的支持，是我院放射科、康复科与国内外研究团队密切合作多年积累所取得的成果。

图1：多对比度MRI特征估计与注意力机制优化流程