面向脑电信号神经评估的可解释图神经网络

急性中风后，准确估计中风严重程度对于医疗专业人员有效管理患者治疗至关重要。图论方法已显示，脑连接在中风后发生频率依赖性重组，适应新条件。传统方法通常依赖手工提取的特征，可能无法捕捉临床现象的复杂性。本研究提出了一种新方法，利用图神经网络（GNN）预测中风严重程度，其严重程度以NIH Stroke Scale（NIHSS）衡量。我们分析了来自471名住院患者的电生理信号记录。对于每个患者，我们生成了由滞后线性相干性（LLC）计算的五个图，涵盖$\delta$ (2-4 Hz), $\theta$ (4-8 Hz), $\alpha_1$ (8-10.5 Hz), $\alpha_2$ (10.5-13 Hz), 和 $\beta_1$ (13-20 Hz)频段的不同布罗德曼区之间的信号。为强调关键神经连接并保持稀疏性，我们应用了基于结构和功能脑网络属性的稀疏化过程。我们随后训练了一个图注意力模型来预测NIHSS。通过检查其注意力系数，我们的模型揭示了脑重构的见解，为医疗专业人员提供了诊断、个性化治疗和神经康复早期干预的有价值工具。