面向成瘾性脑网络识别的特征选择图空间注意力网络
图像与视频处理
2022-07-12 v2 计算机视觉与模式识别
神经元与认知
摘要
药物成瘾在一段时间内会引起相关神经环路的功能改变。通过分析功能磁共振成像(fMRI)也能揭示这些显著改变。然而,由于fMRI具有高维度和低信噪比的特点,在尼古丁成瘾(NA)与健康对照(HC)组之间,为图级识别与区域级生物标志物检测任务编码高效且鲁棒的脑区嵌入具有挑战性。在本工作中,我们将大鼠脑的fMRI表示为具有生物属性的图,并提出一种新颖的特征选择图空间注意力网络(FGSAN)来提取成瘾生物标志物并从这些脑网络中识别。具体而言,采用图空间注意力编码器捕获具有空间信息的时空脑网络特征。该方法同时采用贝叶斯特征选择策略,通过约束特征来优化模型并改进分类任务。在成瘾相关神经成像数据集上的实验表明,所提模型能获得优越性能并检测出与成瘾相关神经环路有关的可解释生物标志物。
引用
@article{arxiv.2207.00583,
title = {Feature-selected Graph Spatial Attention Network for Addictive Brain-Networks Identification},
author = {Changwei Gong and Changhong Jing and Junren Pan and Shuqiang Wang},
journal= {arXiv preprint arXiv:2207.00583},
year = {2022}
}