用于动态脑连接的序贯蒙特卡洛图卷积网络
信号处理
2024-01-08 v2
摘要
一种日益重要的脑功能分析模态是功能连接分析，其将连接视为不同脑区信号间的统计相依性。基于图的脑连接分析为探索脑功能缺陷与脑疾病相关结构破坏之间的关联提供了新途径，但当前实现因假设无噪声数据和静态图拓扑而能力有限。我们提出一种基于粒子滤波算法的新方法，该算法在跟踪问题中已被证明确有成效，其仅利用部分含噪观测估计动态图的隐藏状态，且不对连接性作平稳性假设。我们用称为序贯蒙特卡洛图卷积网络（SMC-GCN）的图神经网络丰富了粒子滤波状态方程，得益于非线性回归能力，其能限制图中的伪连接。实验研究表明，SMC-GCN 在脑疾病分类中取得了优于若干方法的性能。
引用
@article{arxiv.2310.00630,
title = {Sequential Monte Carlo Graph Convolutional Network for Dynamic Brain Connectivity},
author = {Fengfan Zhao and Ercan Engin Kuruoglu},
journal= {arXiv preprint arXiv:2310.00630},
year = {2024}
}