基于物理前缀引导的异构脑网络次网络相互作用探索
信息检索
2026-03-23 v1 人工智能
机器学习
摘要
建模功能次网络之间的复杂相互作用对于精神疾病的诊断和功能通路的识别至关重要。然而，由于训练样本数量有限，现有的基于 Transformer 的方法仍难以学习次网络的相互作用。在挑战面前，我们提出 KD-Brain，一个先验引导的图学习框架，用于显式编码先验知识以指导学习过程。具体而言，我们设计了语义条件化相互作用机制，将语义先验注入注意力查询中，基于次网络的功能身份显式引导次网络相互作用。此外，我们引入病理一致性约束，通过将学习到的相互作用分布与临床先验对齐来正则化模型优化。此外，KD-Brain 在广泛的疾病诊断任务上实现了状态最佳性能，并识别出与精神病理学一致的可解释生物标志物。我们的代码已公开于 https://anonymous.4open.science/r/KDBrain。
关键词
引用
@article{arxiv.2603.19306,
title = {VERDICT: Verifiable Evolving Reasoning with Directive-Informed Collegial Teams for Legal Judgment Prediction},
author = {Hui Liao and Chuan Qin and Yongwen Ren and Hao Li and Zhenya Huang and Yanyong Zhang and Chao Wang},
journal= {arXiv preprint arXiv:2603.19306},
year = {2026}
}
备注
15 pages,3 figures,4 tables