基于Transformer的层次聚类用于脑网络分析
机器学习
2023-05-09 v1 计算机视觉与模式识别
神经与进化计算
神经元与认知
摘要
脑网络（如由 MRI 构建的图模型）已广泛用于病理预测与脑功能分析。在复杂的脑系统中，神经元连接强度的差异将脑划分为各种功能模块（网络社区），这对脑分析至关重要。然而，由于神经元交互的复杂性，识别脑内此类社区一直是个重要问题。本工作中，我们提出一种新颖的可解释基于 transformer 的模型，用于联合层次聚类识别与脑网络分类。在真实世界脑网络数据集上的大量实验结果表明，在层次聚类的辅助下，该模型在提供对脑区功能组织的合理洞察的同时，实现了准确率的提升与运行时间复杂度的降低。实现代码见 https://github.com/DDVD233/THC。
引用
@article{arxiv.2305.04142,
title = {Transformer-Based Hierarchical Clustering for Brain Network Analysis},
author = {Wei Dai and Hejie Cui and Xuan Kan and Ying Guo and Sanne van Rooij and Carl Yang},
journal= {arXiv preprint arXiv:2305.04142},
year = {2023}
}
备注
Accepted to IEEE-ISBI 2023