对复杂的大脑网络表示的综合调查.
Haoteng Tang1, Guixiang Ma2, Yanfu Zhang3
1Department of Computer Science, College of Engineering and Computer Science, University of Texas Rio Grande Valley, 1201 W University Dr, Edinburg, 78539, TX, USA.
概括
这项调查探讨了神经成像衍生的大脑网络,详细介绍了传统和深度学习的图形学习方法,用于分析神经条件下的大脑结构和功能.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 神经成像数据揭示了与神经退行性疾病相关的大脑结构和功能变化.
- 来自神经成像的脑网络为神经疾病提供了系统级的洞察力.
- 传统方法分析预定义的网络特征与临床数据对比.
研究的目的:
- 为大脑网络挖矿技术提供全面的概述.
- 审查大脑网络分析中的传统和最先进的深度学习方法.
- 讨论该领域未来的研究方向.
主要方法:
- 神经成像衍生的大脑网络的概述.
- 详细审查传统的大脑网络分析方法.
- 对大脑网络的深度学习和图形学习方法的全面调查.
主要成果:
- 确定了传统和深度学习脑网络分析的主要模型和目标.
- 强调了图形学习在现场日益重要的重要性.
- 综合了当前用于挖掘大脑网络数据的方法.
结论:
- 深度学习方法正在显著推进大脑网络分析.
- 图形学习为理解大脑动态和异常提供了强大的工具.
- 这一领域的进一步研究有望为临床应用提供希望.


