面向静息状态功能脑活动的自聚类图变换器方法
机器学习
2025-02-10 v2 人工智能
摘要
静息状态功能磁性共振成像（rs-fMRI）为人类大脑功能组织提供了宝贵的见解，是探究脑功能与认知过程关系的强大工具，因为它允许在不依赖特定任务或刺激的情况下捕获大脑的功能组织。本研究引入一种用于处理图变换器中统一节点更新问题的新注意力机制，称为自聚类图变换器（SCGT），专为具有子网络的图设计。通过将静态功能连接（FC）相关特征作为变换器模型的输入，SCGT 通过对节点进行聚类特定更新来有效捕获大脑子网络结构，不同于 vanilla 图变换器中的统一节点更新，进一步允许我们学习和解释子聚类。我们在包含 7,957 名参与者的青少年大脑认知发展（ABCD）数据集上对 our 方法进行了验证，用于预测总认知得分和性别分类。我们的结果表明，SCGT 超越了 vanilla 图变换器方法和其他最近模型，为建模脑功能连接和解释底层子网络结构提供了有前景的工具。
引用
@article{arxiv.2501.16345,
title = {Self-Clustering Graph Transformer Approach to Model Resting-State Functional Brain Activity},
author = {Bishal Thapaliya and Esra Akbas and Ram Sapkota and Bhaskar Ray and Vince Calhoun and Jingyu Liu},
journal= {arXiv preprint arXiv:2501.16345},
year = {2025}
}
备注
5 pages, 2 figures - Accepted under International Symposium on Biomedical Imaging (ISBI 2025) Conference