为fMRI功能大脑网络绘制图形神经网络:一项调查
Jingye Tang1, Tianqing Zhu2, Wanlei Zhou2
1Faculty of Data Science, City University of Macau, Macau, 999078, China; Shenzhen University of Advanced Technology, Shenzhen, 518106, China.
概括
本调查总结了基于深度学习的图形神经网络 (GNN) 分析功能性大脑网络的方法. 它强调了利用神经成像技术推进精神障碍研究的挑战和数据集.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 神经成像技术的进步推动了用于心理障碍分析的深度学习.
- 图表抽象复杂的大脑数据,帮助结构和功能见解.
- 图形神经网络 (GNN) 为大脑网络分析提供了新的工具.
研究的目的:
- 为基于GNN的功能性大脑网络分析提供全面的计算机科学视角.
- 确定该领域的挑战和未来的研究方向.
- 为研究人员总结大脑网络数据集.
主要方法:
- 基于GNN的功能性大脑网络分析方法的审查.
- 讨论每个方法的局限性和未满足的需求.
- 大脑网络数据集的特征和来源的汇编.
主要成果:
- 在脑网络分析中对当前GNN方法的结构化概述.
- 确定关键的挑战和未来的研究途径.
- 一个精心策划的脑网络数据集列表.
结论:
- 在精神疾病研究中,GNN对于大脑网络分析越来越重要.
- 解决已识别的挑战将推动该领域的发展.
- 该调查有助于研究人员选择合适的数据集和方法.
