通过功能性脑网络生成实现有效且可解释的 fMRI 分析
机器学习
2021-07-26 v1
摘要
神经科学领域的最新研究表明，由 fMRI 数据构建的功能性脑网络在群体建模和临床预测方面具有巨大潜力。然而，现有的功能性脑网络存在噪声且未感知下游预测任务，同时也不兼容近期强大的 GNNs 机器学习模型。在本工作中，我们开发了一个端到端可训练的流程，用于在下游预测任务的指导下提取显著的 fMRI 特征、生成脑网络并使用 GNNs 进行预测。在 PNC fMRI 数据上的初步实验表明了我们框架卓越的有效性和独特的可解释性。
引用
@article{arxiv.2107.11247,
title = {Effective and Interpretable fMRI Analysis via Functional Brain Network Generation},
author = {Xuan Kan and Hejie Cui and Ying Guo and Carl Yang},
journal= {arXiv preprint arXiv:2107.11247},
year = {2021}
}
备注
This paper has been accepted for ICML 2021 Workshop for Interpretable Machine Learning in Healthcare