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
复旦大学基础医学院、脑科学研究院、脑功能与脑疾病全国重点实验室教授刘星、马兰合作，发现小鼠脑内基底外侧杏仁核（BLA）神 关于2024年陕西省优秀博士学位论文评选结果的公示 根据评选优秀博士学位论文有关要求，陕西省教育厅、陕西省学位委员会组 面部情感识别是人类重要的社交能力。这一能力让我们能够迅速而准确地识别他人的基本情感如快乐、恐惧等。而这种社交能力在自闭症谱系障碍等社会认知障碍中常常受到影响。尽管面部情感识别在社交互动中具有重要 近日，教育部办公厅印发《关于加强市域产教联合体建设的通知》（以下简称《通知》），提出进一步提高市域产教联合体建设水平，丰富建设内涵，确保建设质量。 在总体要求上，《通知》提出，以产业园区为基础，聚焦区域主导产业，坚 近日，教育部公布第二批国家市域产教联合体名单，分别是江苏太仓、浙江宁波、浙江义乌、广西南宁、四川宜宾、新疆昌吉等6个市（县）。 教育部为何新布局建设这6家市域产教联合体？联合体如何走 ◎摘 要 作为国家战略科技力量的重要组成部分，高水平研究型大学要以有组织科研推进科技体制改革，强化基础研究、科技成果转化应用；以学科交叉融合体系蓄力科技体制改革，加强学科交叉融合与突破 。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