剪枝图卷积网络以筛选对fMRI解码有意义图频率
机器学习
2022-03-10 v1 信号处理
摘要
图信号处理是一种有前景的框架，用于将脑信号作为图信号加以处理，因为它能够涵盖大脑感兴趣区域之间活动的空间依赖关系。在这项工作中，我们致力于更好地理解哪些图频率对解码fMRI信号最为有用。为此，我们引入了一种深度学习架构，并调整了一种剪枝方法，以自动识别此类频率。我们在多个数据集、架构和图上进行了实验，结果表明低频图频率始终被确定为对fMRI解码最为重要，且功能图比结构图的贡献更强。我们认为，该工作为如何部署基于图的方法以提升fMRI解码准确率和可解释性提供了新的见解。
引用
@article{arxiv.2203.04455,
title = {Pruning Graph Convolutional Networks to select meaningful graph frequencies for fMRI decoding},
author = {Yassine El Ouahidi and Hugo Tessier and Giulia Lioi and Nicolas Farrugia and Bastien Pasdeloup and Vincent Gripon},
journal= {arXiv preprint arXiv:2203.04455},
year = {2022}
}
备注
Submitted to the 30th European Signal Processing Conference, EUSIPCO 2022