Iso-CapsNet：用于脑图表示学习的同构胶囊网络
机器学习
2022-06-28 v1 人工智能
神经元与认知
摘要
脑图表示学习是脑疾病诊断的基础技术。近年来，学术界与工业界均投入大量努力于脑图表示学习。近期提出的同构神经网络（IsoNN）可自动学习脑图中子图模式的存在性，也是迄今为止该背景下最先进的脑图表示学习方法。然而，IsoNN未能捕捉子图模式的方向，这可能使学到的表示在许多情况下无用。本文中，我们提出一种新的Iso-CapsNet（同构胶囊网络）模型，通过引入图同构胶囊以实现有效的脑图表示学习。基于胶囊动态路由，除子图模式存在性置信度分数外，Iso-CapsNet还能学习其他子图丰富属性，包括位置、尺寸与方向，用于计算类别数字胶囊。我们在四个脑图基准数据集上通过大量实验将Iso-CapsNet与经典及最先进的脑图表示方法进行比较。实验结果也证明了Iso-CapsNet的有效性，其以显著提升优于基线方法。
引用
@article{arxiv.2206.13465,
title = {Iso-CapsNet: Isomorphic Capsule Network for Brain Graph Representation Learning},
author = {Jiawei Zhang},
journal= {arXiv preprint arXiv:2206.13465},
year = {2022}
}
备注
11 pages, 3 figures, 2 tables. arXiv admin note: text overlap with arXiv:1908.00187