当前位置: 首页> 教育> 大学 > FE-STGNN: 融合功能连接性和有效连接性的时空图神经网络用于轻度认知障碍诊断

FE-STGNN: 融合功能连接性和有效连接性的时空图神经网络用于轻度认知障碍诊断

时间:2025/7/11 9:38:40来源:https://blog.csdn.net/qq_45745941/article/details/139311476 浏览次数:0次

文章目录

  • FE-STGNN: Spatio-Temporal Graph Neural Network with Functional and Effective Connectivity Fusion for MCI Diagnosis
    • 摘要
    • 方法
    • 实验结果

FE-STGNN: Spatio-Temporal Graph Neural Network with Functional and Effective Connectivity Fusion for MCI Diagnosis

摘要

这篇论文提出了一种名为FE-STGNN的方法,用于利用功能性磁共振成像(rs-fMRI)数据进行轻度认知障碍(MCI)的诊断。该方法融合了功能连接性(FC)和有效连接性(EC)两种大脑连接性模式,充分利用了它们的互补信息。主要包含以下几个亮点:

  1. 构建动态功能和有效连接网络:将功能性大脑网络编码为多个图结构,以捕捉时空动态特征。
  2. 时空图卷积处理:采用空间图卷积网络处理图的结构特征和时间动态特性。
    位置编码交叉注意融合:设计了一种利用EC时间演化的因果关联来指导FC网络融合的注意力机制。
  3. 实验结果验证:该方法在公开MCI诊断数据集上取得了82%的诊断准确率,优于现有最先进的方法。
    代码地址

方法

在这里插入图片描述
图1. 基于rs-fMRI数据的提出的FE-STGNN模型用于MCI诊断。

a)是所提出方法的整体框架。

b)从红色节点的角度描述了动态FC和EC网络的空间图卷积的详细过程。

c) 说明了如何在EC的引导下,使用注意力机制来聚合FC信息

实验结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

关键字:FE-STGNN: 融合功能连接性和有效连接性的时空图神经网络用于轻度认知障碍诊断

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: