基于多视图信息瓶颈框架建模脑部更高阶互动用于静息状态 fMRI 精神疾病诊断
机器学习
2026-04-21 v1
摘要
静息状态功能性磁共振成像 (fMRI) 已成为精神疾病诊断的基石，但大多数方法仅依赖成对的脑皮层或次皮层连接，忽略了复杂脑动力学中至关重要的更高阶互动 (HOIs)。虽然超图方法通过预定义超边编码 HOIs，但其构建通常依赖于启发式相似性度量，且未显式刻画互动是协同还是冗余主导。本文引入 -信息量度量，用于刻画 HOIs 的信息本质，将三阶和四阶 -信息整合到统一的多视图信息瓶颈框架中，用于 fMRI 精神疾病诊断。为实现可扩展的 -信息估计，本文进一步开发了两种独立的加速策略：高斯解析近似法和基于随机矩阵的 R\'enyi 熵估计器，相较于常规估计器实现超过 30 倍的计算加速。我们的三视图架构系统性地融合成对、三阶和四阶脑部互动，全面捕获脑连接性，同时显式惩罚冗余。基于 REST-meta-MDD、ABIDE、UCLA、ADNI 四大基准数据集的广泛评估显示，方法持续改进，优于包括最先进的图神经网络 (GNN) 和超图方法在内的 11 种基线方法。此外，本方法揭示了可解释的区域级协同-冗余模式，这些模式在常规超图公式中无法显式刻画。
引用
@article{arxiv.2604.17713,
title = {Modeling Higher-Order Brain Interactions via a Multi-View Information Bottleneck Framework for fMRI-based Psychiatric Diagnosis},
author = {Kunyu Zhang and Qiang Li and Vince D. Calhoun and Shujian Yu},
journal= {arXiv preprint arXiv:2604.17713},
year = {2026}
}