基于多功能连接图卷积网络的自闭症谱系障碍识别

自闭症谱系障碍(ASD)是一种以重复行为、狭窄的兴趣和严重的社交互动缺陷为特征的异质性疾病,意即在不同个体中表现差异较大。中国学龄前儿童自闭症的患病率约为1%。目前,自闭症的诊断依赖于诊断量表和医生询问,这种主观性强的评估方式极大地影响了诊断结果,给医疗、社会和教育护理带来了重大挑战。本文通过结合图卷积网络(Graph Convolutional Networks,GCN)与静态功能磁共振成像(rs-fMRI)数据,提出一种多功能连接基图卷积网络(mfc-GCN)框架,以实现对自闭症谱系障碍(Autism Spectrum Disorder,ASD)的早期诊断。本文由Chaoran Ma、Wenjie Li、Sheng Ke、Jidong Lv、Tiantong Zhou和Ling Zou共...

多视角时空图卷积网络与域泛化在睡眠阶段分类中的应用

睡眠阶段分类在睡眠质量评估和疾病诊断中至关重要。然而,现有的分类方法在处理时间延变的多通道脑信号的空间和时间特征、应对个体生物信号差异以及模型的可解释性方面仍然面临诸多挑战。传统的机器学习方法依赖于复杂的特征工程,而深度学习方法尽管在特征表示学习上表现出色,但在空间-时间特征利用、跨个体泛化能力以及模型可解释性方面仍有待提升。 为了应对上述挑战,北京交通大学的Ziyu Jia等人以及麻省理工学院的Li-Wei H. Lehman提出了一种多视角时空图卷积网络(Multi-View Spatial-Temporal Graph Convolutional Networks, MSTGCN),并结合域泛化用于睡眠阶段分类。 论文来源 这篇论文由北京交通大学计算机与信息技术学院的Ziyu Jia,...