双交叉注意力图学习框架：多模态MRI抑郁症检测的新方法

研究提出双交叉注意力多模态融合框架，显式建模结构MRI与功能MRI的双向交互，在REST-meta-MDD数据集上实现84.71%准确率，为抑郁症客观诊断提供新工具。该框架通过跨模态注意力与图学习结合，提升识别准确性并为理解抑郁症神经机制提供线索。

抑郁症诊断长期依赖主观评估，存在主观性、异质性及早期识别难等问题。神经影像学显示其与大脑结构/功能改变相关，但单一模态难以捕捉复杂性。结构MRI（静态解剖）与功能MRI（动态活动）需结合才能全面反映大脑状态，有效整合异质信息是核心挑战。

框架核心创新为显式建模结构与功能MRI的双向交互：交叉注意力机制让模型动态关注跨模态相关特征（如结构异常对应功能改变）；图学习组件利用大脑网络的图结构，捕捉拓扑模式（社区结构、中心节点等），区别于传统特征拼接方法。

实验在REST-meta-MDD多中心数据集验证，采用10折分层交叉验证避免偏倚，测试多种脑图谱评估稳健性。结果：准确率84.71%，敏感性86.42%，特异性82.89%等；功能图谱上优于传统特征级联，结构图谱与现有方法相当。

方法在不同脑图谱配置下保持竞争力，体现临床应用潜力。对机制的启示：交叉注意力揭示结构-功能耦合；图学习支持抑郁症为系统水平障碍的观点；多模态影像可作为客观生物标志物，推动精准精神病学。

研究局限：样本可能存在选择偏倚、模型可解释性不足、横断面设计无法追踪病程。未来方向：整合更多模态（DTI、PET）、开发可解释模型、前瞻性临床验证，提升临床应用价值。