大麻使用者的空间渴求模式：基于高阶图注意力神经网络的 fMRI 脑连接分析见解
神经元与认知
2024-09-10 v5 机器学习
信号处理
摘要
过度消费大麻会引发严重的心理和社会后果。在本研究中，我们提出了一种称为高阶图注意力神经网络（HOGANN）的解释性框架，用于大麻成瘾的分类，并分析了慢性大麻使用者中表现出异常活动的局部脑网络群落。HOGANN 整合了从功能磁共振成像（fMRI）估计的动态内在功能脑网络，利用基于图注意力的长短期记忆网络（GAT-LSTM）来捕捉时间网络动力学。我们采用高阶注意力模块在相邻节点之间进行信息融合和消息传递，从而增强网络群落分析。我们的模型在两个不同的数据队列中进行了验证，其分类准确率显著高于基准算法。此外，我们识别出受持续大麻消费影响最相关的子网络和认知区域，表明其对功能脑网络产生了不利影响，特别是在背侧注意网络和额顶网络中。有趣的是，我们的模型在表现出长期依赖的队列中表现出更优越的性能，这意味着长期使用大麻会引起脑网络更显著的改变。该模型能够熟练地识别渴求脑图，从而勾勒出用于分析的关键脑区。
引用
@article{arxiv.2403.00033,
title = {Spatial Craving Patterns in Marijuana Users: Insights from fMRI Brain Connectivity Analysis with High-Order Graph Attention Neural Networks},
author = {Jun-En Ding and Shihao Yang and Anna Zilverstand and Kaustubh R. Kulkarni and Xiaosi Gu and Feng Liu},
journal= {arXiv preprint arXiv:2403.00033},
year = {2024}
}