大麻使用者的空间渴望模式:从fMRI脑连接分析的见解与高阶图的注意力神经网络

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 精神病学是一个精神病学.

背景情况:

• 过度吸食大麻会导致严重的心理和社会问题.
• 了解大麻成的神经生物学基础对于开发有效的干预措施至关重要.

研究的目的:

• 开发一种新的框架,高级图表注意力神经网络 (HOGANN),用于分类大麻成.
• 分析局部大脑网络社区显示慢性大麻使用者的异常活动.

主要方法:

• 霍根集成动态内在的功能性大脑网络从fMRI数据使用图表基于注意力的长短期记忆 (GAT-LSTM).
• 一个高级注意模块用于信息融合和信息传递,以增强社区分析.
• 该模型在两个独立的数据队列上得到验证.

主要成果:

• 与基准算法相比,HOGANN实现了显著更高的分类准确性.
• 该研究确定了受持续使用大麻影响的特定子网络和认知区域,特别是背部注意力和前端对象网络.
• 该模型在长期依赖大麻的队列中表现出卓越的表现,表明大脑网络更明显的改变.

结论:

• 霍根提供了一种有效的方法来分类大麻成,并分析相关的大脑网络异常.
• 慢性和长期使用大麻会对功能性大脑网络产生不利影响,特别是那些涉及注意力和执行功能的网络.
• 该模型识别渴望脑图的能力为成的神经生物学提供了宝贵的见解.