脑网络与智力：基于图神经网络的静息态 fMRI 数据分析方法
机器学习
2025-02-25 v3 人工智能
神经元与认知
摘要
静息态功能磁共振成像（rsfMRI）是研究脑功能与认知过程关系的强有力工具，因为它无需依赖特定任务或刺激即可捕捉脑功能组织。本文提出一种称为 BrainRGIN 的新颖建模架构，利用基于 rsfMRI 导出的静态功能网络连接矩阵上的图神经网络预测智力（流体智力、晶体智力和总智力）。在现有图卷积网络基础上，我们的方法在图卷积层中融入了基于聚类的嵌入与图同构网络，以反映脑子网组织的本质与高效网络表达，并结合 TopK 池化与基于注意力的读出函数。我们在大型数据集即 Adolescent Brain Cognitive Development Dataset 上评估了所提架构，并证明了其在预测智力个体差异上的有效性。对于所有智力预测任务，我们的模型比现有相关图架构及其他传统机器学习模型取得了更低的均方误差与更高的相关分数。额中回对流体与晶体智力均有显著贡献，表明其在这些认知过程中的关键作用。总合成分数识别出一组多样的相关脑区，这凸显了总智力的复杂性。
引用
@article{arxiv.2311.03520,
title = {Brain Networks and Intelligence: A Graph Neural Network Based Approach to Resting State fMRI Data},
author = {Bishal Thapaliya and Esra Akbas and Jiayu Chen and Raam Sapkota and Bhaskar Ray and Pranav Suresh and Vince Calhoun and Jingyu Liu},
journal= {arXiv preprint arXiv:2311.03520},
year = {2025}
}