通过空间与通道注意力发现动态功能脑网络
计算机视觉与模式识别
2022-06-01 v2 人工智能
机器学习
图像与视频处理
神经元与认知
摘要
利用深度学习模型在功能磁共振成像（fMRI）中识别功能脑网络（FBNs）近来引起越来越多的关注。然而，大多数现有工作聚焦于从整个fMRI信号中检测静态FBNs，例如基于相关的功能连接。滑窗是捕捉FBNs动态的广泛使用策略，但其在表征每个时间步的内在功能交互动态方面仍有限制。且FBNs的数目通常需手动设定。此外，由于脑中动态交互的复杂性，传统线性与浅层模型不足以识别每个时间步上复杂且空间重叠的FBNs。本文提出一种新颖的空间与通道注意力自编码器（SCAAE）用于动态发现FBNs。SCAAE的核心思想是将注意力机制应用于FBNs构建。具体地，我们设计两个注意力模块：1）空间注意力（SA）模块以在空间域发现FBNs；2）通道注意力（CA）模块以权衡通道从而自动选择FBNs。我们在ADHD200数据集上评估了该方法，结果表明所提SCAAE方法可在不使用滑窗的情况下有效恢复各fMRI时间步上FBNs的动态变化。更重要的是，我们提出的混合注意力模块（SA与CA）不像先前方法那样强加线性与独立性假设，从而为进一步理解动态功能脑网络提供了新途径。
引用
@article{arxiv.2205.09576,
title = {Discovering Dynamic Functional Brain Networks via Spatial and Channel-wise Attention},
author = {Yiheng Liu and Enjie Ge and Mengshen He and Zhengliang Liu and Shijie Zhao and Xintao Hu and Dajiang Zhu and Tianming Liu and Bao Ge},
journal= {arXiv preprint arXiv:2205.09576},
year = {2022}
}
备注
12 pages,6 figures, submitted to 36th Conference on Neural Information Processing Systems (NeurIPS 2022)