Contrasformer：用于神经退行性疾病识别的脑网络对比Transformer
机器学习
2024-09-18 v1 人工智能
神经元与认知
摘要
理解神经系统疾病是神经科学中的一个基本问题，通常需要分析源自功能磁共振成像(fMRI)数据的脑网络。尽管图神经网络(GNN)和图Transformer在各个领域都很普遍，但将它们应用于脑网络仍面临挑战。具体来说，数据集受到子群体间分布偏移引起的噪声以及节点身份被忽视的严重影响，这两者都阻碍了疾病特异性模式的识别。为了应对这些挑战，我们提出了Contrasformer，一种新颖的对比脑网络Transformer。它通过双流注意力机制生成一个先验知识增强的对比图，以解决子群体间的分布偏移。一种带有身份嵌入的交叉注意力突出了节点的身份，三个辅助损失确保了组内一致性。在涵盖4种不同疾病的4个功能性脑网络数据集上的评估表明，Contrasformer在脑网络上的表现优于最先进的方法，准确率提升高达10.8%，证明了其在神经系统疾病识别中的有效性。案例研究展示了其可解释性，尤其是在神经科学背景下。本文为分析脑网络提供了一种解决方案，为理解神经系统疾病提供了宝贵的见解。我们的代码可在\url{https://github.com/AngusMonroe/Contrasformer}获取。
引用
@article{arxiv.2409.10944,
title = {Contrasformer: A Brain Network Contrastive Transformer for Neurodegenerative Condition Identification},
author = {Jiaxing Xu and Kai He and Mengcheng Lan and Qingtian Bian and Wei Li and Tieying Li and Yiping Ke and Miao Qiao},
journal= {arXiv preprint arXiv:2409.10944},
year = {2024}
}