基于对比子图的可解释脑网络分类
社会与信息网络
2020-06-11 v1 神经元与认知
摘要
挖掘人脑网络以发现可用于区分健康个体与罹患某神经障碍患者的模式,是神经科学中的基本任务。学习简单且可解释的模型与单纯分类精度同等重要。本文提出一种基于提取对比子图分类脑网络的新方法,即一组顶点,其诱导子图在一类图中稠密而在另一类图中稀疏。我们形式化定义该问题并给出提取对比子图的算法解。随后将方法应用于由自闭症谱系障碍儿童与典型发育儿童构成的脑网络数据集。分析证实了所发现模式的有趣性,其与神经科学文献中的背景知识相符。在其他分类任务上的进一步分析确认了本方法简单、合理且高度可解释,并展现出优于更复杂前沿方法的分类精度。
引用
@article{arxiv.2006.05176,
title = {Explainable Classification of Brain Networks via Contrast Subgraphs},
author = {Tommaso Lanciano and Francesco Bonchi and Aristides Gionis},
journal= {arXiv preprint arXiv:2006.05176},
year = {2020}
}
备注
To be published at KDD 2020