SimiNet：一种量化脑网络相似度的新方法
神经元与认知
2017-09-22 v1
摘要
量化两个网络之间的相似度在许多应用中至关重要。目前已提出多种基于节点和边属性计算图相似度的算法。有趣的是，这些算法大多忽略了节点的物理位置，而物理位置在涉及空间定义功能区的脑网络背景下是一个关键因素。本文提出一种名为“SimiNet”的新算法，用于测量节点在三维坐标系中先验定义的两个图之间的相似度。SimiNet 提供一个量化指标（范围从 0 到 1），该指标综合考虑了节点、边和空间特征。通过模拟复杂图来评估 SimiNet 的性能，并与八种现有最优方法进行比较。结果表明，SimiNet 除了利用节点和边计算相似度外，还能检测比较图中微弱的空间变化。SimiNet 还被应用于视觉识别任务中获得的真实脑网络。该算法在检测两类视觉刺激（动物和工具）命名任务中获得的脑网络空间变化方面表现出高性能。本工作的一个前景是更好地理解人脑中的物体分类。
引用
@article{arxiv.1709.07211,
title = {SimiNet: a Novel Method for Quantifying Brain Network Similarity},
author = {Ahmad Mheich and Mahmoud Hassan and Mohamad Khalil and Vincent Gripon and Olivier Dufor and Fabrice Wendling},
journal= {arXiv preprint arXiv:1709.07211},
year = {2017}
}