BrainNet-MoE: 受大脑启发的混合专家学习用于神经疾病识别
机器学习
2025-03-12 v1 人工智能
神经元与认知
摘要
Lewy body 痴呆 (LBD) 是阿尔弗雷德小痴呆 (Alzheimer's disease, AD) 之后第二大最常见的神经退行性痴呆。早期区分 AD 和 LBD 至关重要，因为它们需要不同的治疗方法，但由于临床重叠、异质性、复杂的病因和 LBD 的稀缺性，这一任务颇具挑战。尽管近期的人工智能进展表现出强大的学习能力并为准确诊断带来了新希望，但现有方法主要集中于设计“神经层级网络”。我们的工作代表了一种首次尝试，通过一种称为 BrainNet-MoE 的系统级人工神经网络进行大脑建模和诊断。受大脑自下而上感官整合和自上而下控制的层级组织启发，我们设计了一组疾病特定的专家小组来处理在不同条件下处理大脑亚网络，疾病门控机制引导专家小组的专门化，而变压器层则促进所有亚网络之间的通信，生成用于下游疾病分类的全脑综合表示。实验结果显示，在可解释见解方面实现了卓越的分类准确率，阐明了大脑亚网络如何贡献于不同的神经退行性疾病。
关键词
引用
@article{arxiv.2503.07640,
title = {BrainNet-MoE: Brain-Inspired Mixture-of-Experts Learning for Neurological Disease Identification},
author = {Jing Zhang and Xiaowei Yu and Tong Chen and Chao Cao and Mingheng Chen and Yan Zhuang and Yanjun Lyu and Lu Zhang and Li Su and Tianming Liu and Dajiang Zhu},
journal= {arXiv preprint arXiv:2503.07640},
year = {2025}
}