通过多尺度自适应图注意力学习结构-功能脑表征以获得认知洞察
计算机视觉与模式识别
2026-04-01 v1
摘要
理解大脑结构和功能如何相互作用是解释智能的关键，但联合建模它们具有挑战性，因为结构连接组和功能连接组捕捉了组织互补的方面。我们提出了多尺度自适应图网络（MAGNet），一种 Transformer 风格的图神经网络框架，自适应地学习结构-功能交互。MAGNet 利用结构 MRI 的基于源形态测量提取区域间形态特征，并将其与静息态 fMRI 的功能网络连接融合。混合图整合直接和间接路径，而局部-全局注意力细化连接重要性，联合损失同时强制跨模态一致性并端到端优化预测目标。在 ABCD 数据集上，MAGNet 超越了相关基线，证明了多模态整合在推进我们对认知功能理解方面的有效性。
引用
@article{arxiv.2603.29967,
title = {Learning Structural-Functional Brain Representations through Multi-Scale Adaptive Graph Attention for Cognitive Insight},
author = {Badhan Mazumder and Sir-Lord Wiafe and Aline Kotoski and Vince D. Calhoun and Dong Hye Ye},
journal= {arXiv preprint arXiv:2603.29967},
year = {2026}
}
备注
Preprint version of the paper accepted to the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026). This is the author's accepted manuscript. The final published version will appear in IEEE Xplore