基于对比学习的自监督图变换器用于脑连通性分析以提高自闭症检测
机器学习
2025-01-29 v1 人工智能
摘要
功能性磁振共振成像（fMRI）在任务或静息状态下提供了有关脑功能的有用见解。将 fMRI 数据表示为相关矩阵被发现是分析静息和主动状态下脑内在连通性可靠方法的。图神经网络（GNN）因其内在可解释性能力而在脑网络分析中得到广泛应用。在本工作中，我们引入了一个新框架，使用对比自监督学习图变换器，结合带有随机图 alteration 的脑网络变换器编码器。该提议网络利用对比学习和图 alteration 有效地训练用于自闭症检测的图变换器。我们的 methods 在 Autism Brain Imaging Data Exchange（ABIDE）数据上进行测试，显示出优于当前最先进方法的自闭症检测性能，达到 AUROC 为 82.6 和准确率为 74%。
引用
@article{arxiv.2501.16346,
title = {Self-supervised Graph Transformer with Contrastive Learning for Brain Connectivity Analysis towards Improving Autism Detection},
author = {Yicheng Leng and Syed Muhammad Anwar and Islem Rekik and Sen He and Eung-Joo Lee},
journal= {arXiv preprint arXiv:2501.16346},
year = {2025}
}