用于脑功能连接的拓扑环图注意力网络
机器学习
2024-03-29 v1 神经元与认知
摘要
在本研究中，我们引入了一种新颖的拓扑环图注意力网络（CycGAT），旨在从围绕该核心结构形成环路的非必要冗余连接中，描绘出脑功能图内的功能主干——即对信号传导至关重要的关键路径。我们首先引入一个环关联矩阵，在图中建立独立的环路基，并映射其与边的关系。我们提出了一种环图卷积，利用从环关联矩阵导出的环邻接矩阵，在环路域中专门过滤边信号。此外，我们通过添加注意力机制来增强环图卷积的表示能力，并进一步通过在环路中引入边位置编码来增强 CycGAT 的拓扑感知能力。我们通过仿真验证了 CycGAT 的定位能力，并在 ABCD 研究的 fMRI 数据（n=8765）上验证了其有效性，将其与基线模型进行了比较。CycGAT 优于这些模型，识别出的功能主干具有显著更少的环路，这对于理解与一般智力相关的神经回路至关重要。我们的代码将在被接受后发布。
引用
@article{arxiv.2403.19149,
title = {Topological Cycle Graph Attention Network for Brain Functional Connectivity},
author = {Jinghan Huang and Nanguang Chen and Anqi Qiu},
journal= {arXiv preprint arXiv:2403.19149},
year = {2024}
}