BrainNNExplainer：一种用于基于脑网络疾病分析的可解释图神经网络框架
机器学习
2021-07-13 v1 计算机视觉与模式识别
图像与视频处理
神经元与认知
摘要
用于疾病预测的可解释脑网络模型对神经科学的发展具有重要价值。GNN（图神经网络）在建模复杂网络数据方面很有前景，但它们容易过拟合且可解释性差，这阻碍了其在医疗等决策关键场景中的使用。为弥补这一差距，我们提出BrainNNExplainer，一种用于脑网络分析的可解释GNN框架。它主要由两个联合学习的模块组成：专为脑网络设计的骨干预测模型，以及突出疾病特异性显著脑网络连接的解释生成器。在两个具有挑战性的疾病预测数据集上带有可视化的广泛实验结果证明了BrainNNExplainer独特的可解释性和优异的性能。
引用
@article{arxiv.2107.05097,
title = {BrainNNExplainer: An Interpretable Graph Neural Network Framework for Brain Network based Disease Analysis},
author = {Hejie Cui and Wei Dai and Yanqiao Zhu and Xiaoxiao Li and Lifang He and Carl Yang},
journal= {arXiv preprint arXiv:2107.05097},
year = {2021}
}
备注
This paper has been accepted to ICML 2021 Workshop on Interpretable Machine Learning in Healthcare