货币货币基金-NN:用于大脑网络的多模式多颗粒度融合神经网络及其在症鉴定中的应用

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 医学诊断 医学诊断 医学诊断

背景情况:

• 来自MRI的结构和功能大脑网络为大脑疾病提供了互补的见解.
• 当前的融合模型往往忽视了大脑网络的多细分性 (边缘,节点,图层).
• 多模式大脑网络数据的有效融合对于改善疾病识别至关重要.

研究的目的:

• 提出一个新的多模式多颗粒度融合神经网络 (MMF-NN) 框架.
• 整合跨全球 (图表级) 和本地 (边缘级,节点级) 颗粒度的多模式大脑网络特征.
• 为了利用完整的拓信息来增强大脑疾病的识别.

主要方法:

• 开发了一种交互式特征学习模块,用于结构和功能大脑网络的边缘级和节点级特征图.
• 设计了一个多模式分解双线聚合模块,用于图表级联合表示学习.
• 实施了一个多模多颗粒度融合神经网络 (MMF-NN) 框架.

主要成果:

• 货币货币基金-NN框架有效地融合了多模式大脑网络信息的各种细节.
• 对病数据集的实验显示,与现有最先进的方法相比,其性能优越.
• 拟议的框架成功地利用了本地和全球的拓信息.

结论:

• 通过结合多颗粒度融合,MMF-NNs框架在脑疾病识别方面取得了重大进展.
• 这种方法增强了从多模式大脑网络的拓信息的利用.
• 在诊断等神经系统疾病方面,MMF-NN具有很高的临床应用潜力.