近日，中国科学院合肥物质科学研究院团队提出了高效时空多模态图神经网络（ET_MGNN）新型深度学习框架，提升了阿尔茨海默病和自闭症谱系障碍等脑疾病的自动诊断准确率。
理解大脑的复杂活动需同时关注功能协调和结构解剖。然而，现有的脑网络学习模型在处理动态建模和多模态信息融合方面存在局限。为克服这些挑战，研究团队受大语言模型架构的启发，开发了ET_MGNN模型。
ET_MGNN模型通过时间滑动窗口技术，将反映脑区同步性的动态功能连接与提供物理约束的结构连接进行自适应融合，构建出更全面的动态大脑图序列；引入RWKV模块，结合循环神经网络捕获长程依赖的能力和Transformer并行计算的高效性，能够更精准地模拟大脑在不同功能状态间的动态切换；引入GASO图读取模块，能够识别出与疾病高度相关的关键脑区，为临床诊断提供直观的生物标志物。
研究团队进一步在ABIDE II（自闭症）和ADNI（阿尔茨海默病）等数据集上进行了验证。实验结果显示：在自闭症分类任务中，相比于性能优秀的模型，ET_MGNN模型的分类准确率平均提升了11.8%；在阿尔茨海默病与轻度认知障碍的鉴别中，ET_MGNN模型的准确率提升了32.9%。与同类模型相比，ET_MGNN模型的参数量减少了一个数量级，具有更低的峰值显存占用，更适合在资源受限的实际医疗环境中部署。ET_MGNN模型还能够识别相关疾病的病理关联区域。例如，在自闭症识别中，ET_MGNN模型聚焦躯体运动网络；在阿尔茨海默病诊断中，ET_MGNN模型能够精准定位涉及记忆和注意力控制的默认网络及显著网络中的异常脑区。
上述研究验证了ET_MGNN模型的有效性，为理解脑疾病的神经机制提供了新视角。
相关研究成果发表在Neurocomputing上。研究工作得到国家自然科学基金等的支持。
论文链接
面向脑疾病智能诊断的高效时空多模态图神经网络架构
西北工业大学李林教授、傅莉教授和西北大学陈希教授等人，结合蛋白质口袋预测与光功能材料设计理念，提出基于蛋白限域荧光 复旦大学公共卫生学院教授余宏杰联合英国牛津大学教授Moritz Kraemer、比利时鲁汶大学教授Philippe Lemey、英国皇家兽 11月6日上午，淮北师范大学在滨湖校区行政楼309会议室召开博士点培育建设专题会。校领导毕明福、曹灯明出席会议，校党委常 为深入学习贯彻全国教育大会精神，大力弘扬教育家精神，推动粤港澳大湾区教师队伍高质量发展，11月9日，教育部教育家精神宣讲（港澳站）暨粤港澳大湾区师德师风建设学术研讨会在澳门举行。 开幕式上，教育部教师工作司有关 ◎摘 要 发挥高等教育在教育强国建设中的龙头作用，需要完善的高等教育财政政策作为坚实的保障。健全高等教育财政政策，要加大财政投入，建立多元化财政投资机制；调整转移支付体系，增强转移支付的 习近平总书记在全国教育大会上强调，要深入推动教育对外开放，统筹“引进来”和“走出去”，不断提升我国教育的国际影响力、竞争力和话语权。南京工业职业技术大学前身是黄炎培先生于1918年创建的 。本文链接：科研人员提出高效时空多模态图神经网络http://www.sushuapos.com/show-12-2431-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 研究揭示CED1调控花粉细胞命运机制