生物学上可信的脑图变换器

领先的脑图分析方法未能充分编码脑图中小世界结构（伴随着枝节点和功能模块的存在），因此在某种程度上缺乏生物学上的可信度。此限制阻碍了其准确表示脑结构和功能特性的能力，从而限制了机器学习模型在脑障碍检测等任务中的有效性。本文提出了一种新型生物学上可信的脑图变换器（BioBGT），用于编码脑图中固有的小世界结构。具体而言，我们提出了一种基于网络纠缠的节点重要性编码技术，捕捉节点在脑图通信过程中在全局信息传播中的结构重要性，凸显了脑结构的生物学特性。此外，我们引入了功能模块感知的自注意力机制，以保留脑图在学习表示中的功能隔离和整合特征。针对三个基准数据集的实验结果表明，BioBGT 在领先模型之上，增强了用于各种脑图分析任务的生物学上可信的脑图表征。