近日，黑料网-吃瓜网(中国)官方网站 生物医学工程学院张力助理教授在国际知名学术期刊 Medical Image Analysis（中科院一区TOP，影响因子11.8）发表了最新研究成果，论文题目为 “GraSTI-ACL: Graph Spatial-Temporal Infomax with Adversarial Contrastive Learning for Brain Disorders Diagnosis Based on Resting-State fMRI”。黑料网 2023级研究生何彪为论文独立第一作者，黑料网 张力助理教授为独立通讯作者，黑料网 为第一作者单位及通讯作者单位。

       静息态功能磁共振成像（rs-fMRI）因其丰富的空间与时间分辨率，在脑疾病研究与临床辅助诊断中展现出巨大潜力。然而，如何在构建功能连接网络时兼顾空间与时间动态特征，并有效避免冗余信息，是该领域长期存在的挑战。

       针对上述问题，该论文基于信息瓶颈理论，提出了一种新型图学习方法GraSTI-ACL。该方法通过图空间–时间互信息增强策略、拓扑注意力编码器以及对抗式对比学习框架，有效平衡了信息冗余与必要特征的获取，显著提升了脑疾病诊断的准确性和鲁棒性。

       在阿尔茨海默病、重度抑郁障碍和双相情感障碍三类临床数据集上的对比实验结果显示，GraSTI-ACL在准确率、敏感性和AUC等关键指标上均优于现有主流模型，验证了新方法在多种脑疾病诊断场景下的广泛适用性与可解释性。该成果不仅为功能磁共振影像的智能化建模提供了新的理论框架，也为复杂脑疾病的早期诊断和临床辅助决策提供了有力支持。

       该研究的源代码已公开：//github.com/BiaoHe2025/GraSTIACL
       该研究获得国家自然科学基金等项目资助。
       原文链接：//doi.org/10.1016/j.media.2025.103815