.png){kind=icon}
返回
A Prior Causality-Guided Multi-View Diffusion Network for Brain Disorder Classification
.png){kind=icon}
OA
AI
DOI：10.1049/cit2.70046.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
功能脑网络已被用于诊断自闭症谱系障碍（ASD）和注意缺陷/多动障碍（ADHD）等脑部疾病。然而，现有方法不仅未能充分考虑到脑区之间不同层次的交互信息，还限制了未连接区域间的信息传递，导致节点信息丢失和偏差。为解决这些问题，我们提出了一种因果关系引导的多视图扩散（CG-MVD）网络，能够更全面地捕捉仅通过聚合直接邻居难以观察的节点信息。具体而言，我们的方法设计了多视图脑图和多跳因果关系图，以表示多层次的节点交互并引导交互信息的扩散。在此基础上，提出了多视图扩散图注意力模块，通过扩展交互范围和扩展感受野来学习节点的多维嵌入特征。此外，我们提出了双线性自适应融合模块，用于生成和融合基于连接的特征，以解决高维节点级特征的挑战，并整合更丰富的特征信息以增强分类性能。在ADHD-200和ABIDE-I数据集上的实验结果证明了CG-MVD网络的有效性，分别实现了79.47%和80.90%的平均准确率，并超越了当前最佳方法。
Keyword:
bioinformatics
data analysis
deep learning
image classification
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.3
论文数:
669
被引数:
2.4K
机构
引用论文
Representation learning of graphs using graph convolutional multilayer networks based on motifs.png)
NEUROCOMPUTINGOAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Identifying Topological Motif Patterns of Human Brain Functional NetworksHUMAN BRAIN MAPPINGOAAI
HUMAN BRAIN MAPPINGIF3.3
OAAI分享收藏分享收藏Intention-Interaction Graph Based Hierarchical Reasoning Networks for Human Trajectory Prediction
PREAI
分享收藏Automated Anatomical Labeling of Activations in SPM Using a Macroscopic Anatomical Parcellation of the MNI MRI Single-Subject Brain使用MNI MRI单受试者大脑的宏观解剖学分类对SPM中的激活进行自动解剖学标记NeuroImage
NeuroImageIF0
PREAI
分享收藏
查看更多内容