.png){kind=icon}
.png){kind=icon}
返回
BiSCoT: Behavior-Informed Subgroup-Consistent Connectome Template for Interpretable Brain Network Analysis
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-05162-2_11.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种名为行为信息指导的子群一致连接组模板（BISCoT）的图信息压缩框架，该框架从静息态fMRI（rs-fMRI）连接中学习可解释的功能子网络，同时捕捉多样化患者群体的异质性。BISCoT使用多维行为特征来指导rs-fMRI连接矩阵的分解，得到稀疏但具有代表性的子网络，这些子网络在行为子群内保持一致。具体而言，我们的框架采用图卷积网络来捕获局部连接特征，并应用子群信息指导的池化过程来提取最终的子网络。我们在自闭症谱系障碍个体的内部数据集上评估了BISCoT，结果表明所学习的子网络提高了多个下游预测任务的性能。此外，BISCoT在子群层面提取了一致的连接模板，从而能够识别可解释的生物标志物（代码可在https://github.com/zijianch/biscot获取）。
Keyword:
Resting-state fMRI
Multimodal Fusion
Graph Neural Networks
Neurobehavioral Signature
Adaptive Connectomics