《基于多模板分层注意力机制的自适应图卷积网络用于自闭症识别》作者：李若凡，黄惠芳【PDF】

书呆熊

基于多模板分层注意力机制的自适应图卷积网络用于自闭症识别
李若凡，黄惠芳
1.2北京交通大学计算机科学与技术学院，北京100044
摘要：自闭症是一种因遗传、大脑结构和功能以及环境等多种因素共同作用而产生的神经发有障碍，近年来，静息态功能磁共振成像在自闭症语系障碍研究中被广泛应用，常通过构建靜态功能连接辅功疾病诊断。然而现有研究多依赖单一模板划分脑区，或采用简单的特征拼接和分类投票策略融合多模板信息，忽略了不同脑模板间的潜在关联，难以全面表征复杂脑网络的拓扑结构。为此，本文提出了一种基于多模板的分层注意力权重自适应图卷积网络（MTHAN），通过多模板交叉注意力捕捉模板间的潜在关系，结合自注意力机制捕捉模板内的深层特征，提升脑网络节点的表征能力。自适应的人口图网络权重捕捉被试个体间的复杂关系。研究使用了来自公开数据集ABIDE-I中的871名受试者数据进行实验，实验结果表明，本文提出方法在分类性能上优于现有基线方法，准确率和AUC分别达到87.14%和0.92，证明了方法的有效性。
关键词：神经影像学；自闭症谱系障碍；多模板注意力；静态功能连接
中图分类号：TP399