用于脑部疾病检测的平衡图结构信息
机器学习
2024-01-03 v1 人工智能
神经元与认知
摘要
分析感兴趣脑区 (ROI) 之间的连接对于检测自闭症或精神分裂症等神经系统疾病至关重要。最近的进展利用图神经网络 (GNNs) 来利用大脑中的图结构，提高了检测性能。当前方法使用 ROI 的血氧水平依赖 (BOLD) 信号之间的相关性度量来生成图结构。其他方法则利用训练样本通过端到端学习来学习最优图结构。然而，独立实施这些方法会导致相关图存在噪声数据问题，以及最优图存在过拟合问题。在这项工作中，我们提出了 Bargrain（大脑平衡图结构），它使用图卷积网络 (GCNs) 对两种图结构进行建模：滤波相关矩阵和最优样本图。这种方法旨在结合两种图的优势，并解决仅依赖单一类型结构的局限性。基于我们广泛的实验，Bargrain 在脑部疾病数据集的分类任务中优于最先进的方法，其衡量标准为平均 F1 分数。
引用
@article{arxiv.2401.00876,
title = {Balanced Graph Structure Information for Brain Disease Detection},
author = {Falih Gozi Febrinanto and Mujie Liu and Feng Xia},
journal= {arXiv preprint arXiv:2401.00876},
year = {2024}
}
备注
Presented at Pacific Rim Knowledge Acquisition Workshop (PKAW) 2023