×
赵旭升;吴佳;彭浩;阿明·贝赫什蒂;杰西卡·莫纳根。;大卫·麦阿尔宾;Hernandez-Perez，海威;马克·德拉斯;戴、琼;李阳阳;Yu，Philip S。;他，李芳

深度强化学习引导图神经网络用于脑网络分析。 （英语） Zbl 07751014号

神经网络。 154, 56-67 (2022).
摘要：现代神经成像技术使我们能够将人脑构建为大脑网络或连接体。捕获大脑网络的结构信息和层次模式对于理解大脑功能和疾病状态至关重要。最近，图神经网络（GNN）具有良好的网络表示学习能力，这促使人们提出了相关的脑网络分析方法。具体来说，这些方法应用特征聚合和全局池将脑网络实例转换为编码脑结构归纳的向量表示，用于下游脑网络分析任务。然而，现有的基于GNN的方法往往忽略了不同受试者的大脑网络可能需要各种聚合迭代，并使用具有固定层数的GNN来学习所有的大脑网络。因此，如何充分释放GNN的潜力来促进脑网络分析仍然是一个重要的问题。在我们的工作中，提出了一种新的脑网络表示框架BN-GNN来解决这一困难，它为每个脑网络搜索最优的GNN架构此外，BN-GNN改进了传统GNN在八个脑网络疾病分析任务中的性能上限。

理学硕士：

92B20型 用于/用于生物研究、人工生命和相关主题的神经网络
68T07型 人工神经网络与深度学习

关键词：

大脑网络;网络表征学习;图形神经网络;深度强化学习

软件：

快速GCN;AlexNet公司;单词2vec;节点2vec;FSL公司;DeepWalk公司;现场跳闸;连接器;ImageNet公司;DPARSF公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Zhao}等人，神经网络。154，56-67（2022；Zbl 07751014）
全文： 内政部 arXiv公司

参考文献：

[1] 亚历山大·A·L。；Lee，J.E。；拉扎尔，M。；Field，A.S.，脑扩散张量成像，神经治疗学，4，3，316-329（2007）
[2] 阿尔斯兰，S。；科特纳，S.I。；格洛克，B。；Rueckert，D.，《通过光谱卷积网络的图形显著性图：在大脑连通性性别分类中的应用》（生物医学图像分析中的图形以及医学成像和非成像模式的集成（2018），Springer），3-13
[3] 阿鲁库马兰，K。；Deisenroth，M.P。；布伦达奇，M。；Bharath，A.A.，《深度强化学习：简要调查》，IEEE Signal Processing Magazine，34，6，26-38（2017）
[4] Bi，X。；刘，Z。；何毅。；X.赵。；孙，Y。；Liu，H.，GNEA：带有ELM聚合器的图形神经网络，用于大脑网络分类，复杂性，2020（2020）
[5] Braak，H。；Braak，E.，阿尔茨海默病相关变化的神经病理分期，神经病理学学报，82，4239-259（1991）
[6] 曹，B。；He，L。；魏，X。；邢，M。；余，P.S。；Klumpp，H.，t-bne：基于张量的脑网络嵌入，（国际数据挖掘会议（2017），SIAM），189-197
[7] 曹，B。；詹，L。；孔，X。；余，P.S。；北维苏埃塔。；Altshuler，L.L.，双相情感障碍fMRI脑网络中辨别子图模式的识别，（脑信息学与健康国际会议（2015），Springer），105-114
[8] 陈，D。；Lin，Y。；李伟（Li，W.）。；李，P。；周，J。；Sun，X.，《从拓扑角度测量和缓解图形神经网络的过平滑问题》（AAAI人工智能会议论文集，第34卷（2020）），3438-3445
[9] Chen，J.、Ma，T.和Xiao，C.（2018）。FastGCN：通过重要性抽样使用图卷积网络进行快速学习。在学习代表国际会议上。
[10] Craddock，R.C。；James，G.A。；霍尔茨海默三世，体育。；胡晓平。；Mayberg，H.S.，通过空间约束光谱聚类生成的全脑fMRI图谱，人脑映射，33，81914-1928（2012）
[11] Dou，Y.、Liu，Z.、Sun，L.、Deng，Y.，Peng，H.和Yu，P.S.（2020年）。增强基于图形神经网络的欺诈检测器以对抗伪装的欺诈者。《ACM信息知识管理国际会议记录》（第315-324页）。
[12] 高，H。；Ji，S.，Graph u-nets，（机器学习国际会议（2019），PMLR），2083-2092
[13] 高，Y。；Yang，H。；张，P。；周，C。；胡毅，图神经架构搜索，（国际人工智能联合会议，第20卷（2020）），1403-1409
[14] Grover，A.和Leskovec，J.（2016）。Node2vec：网络的可扩展特性学习。《ACM SIGKDD知识发现数据挖掘国际会议论文集》（第855-864页）。
[15] Gurbuz，M.B。；Rekik，I.，MGN-Net:用于集成异构生物网络种群的多视图图归一化器，医学图像分析，71，文章102059 pp.（2021）
[16] Hamilton，W.L.、Ying，Z.和Leskovec，J.（2017）。大型图的归纳表示学习。NeurIPS（第1025-1035页）。
[17] Hernandez-Perez，H。；Mikiel-Hunter，J。；McAlpine，D。；达尔，S。；Boothalingam，S。；Monaghan，J.J.M.，《理解退化语音导致人类听者对脑干反射的感知门控》，《公共科学图书馆生物学》，第19期，第1-37页（2021年）
[18] 黄，Y。；Mucke，L.，阿尔茨海默病机制和治疗策略，Cell，148，6，1204-1222（2012）
[19] Huettel，S.A。；Song，A.W。；McCarthy，G.，《功能磁共振成像》，第1卷（2004年），森德兰西诺协会：马萨诸塞州森德兰市西诺协会
[20] 姜浩。；曹，P。；徐，M。；杨，J。；Zaiane，O.，Hi-GCN:用于脑网络图嵌入学习和脑疾病预测的分层图卷积网络，《生物与医学中的计算机》，127，第104096页，（2020）
[21] Kipf，T.N.和Welling，M.（2017年）。图卷积网络半监督分类。在学习代表国际会议上。
[22] Krizhevsky，A。；Sutskever，I。；Hinton，G.E.，用深度卷积神经网络进行Imagenet分类，神经信息处理系统进展，251097-1105（2012）
[23] 科特纳，S.I。；帕里索特，S。；费兰特，E。；拉奇尔，M。；李，M。；Glocker，B.，脑连接网络上的频谱图卷积度量学习，NeuroImage，169431-442（2018）
[24] Lai，K.-H、Zha，D.、Zhou，K.和Hu，X.（2020）。Policy-GNN：图形神经网络的聚合优化。《ACM SIGKDD知识发现数据挖掘国际会议论文集》（第461-471页）。
[25] LeCun，Y。；Y.本吉奥。；Hinton，G.，《深度学习》，《自然》，521，7553，436-444（2015）
[26] Li，G.、Muller，M.、Thabet，A.和Ghanem，B.（2019年）。深度gcns：gcns能像cnns那样深入吗？IEEE/CVF计算机视觉国际会议论文集（第9267-9276页）。
[27] 李，X。；周，Y。；北卡罗来纳州德沃内克。；张，M。；庄，J。；Ventola，P.，用于fmri生物标记物分析的Pooling正则化图形神经网络，（医学图像计算和计算机辅助干预国际会议（2020年），Springer），625-635
[28] 刘，Y。；He，L。；曹，B。；余，P.S。；Ragin，A.B。；Leow，A.D.，用于脑网络聚类分析的多视图多图嵌入，（AAAI人工智能会议论文集，第32卷（2018），AAAI出版社），117-124
[29] Liu，F.，Xue，S.，Wu，J.，Zhou，C.，Hu，W.，&Paris，C.等人（2020年）。社区检测的深度学习：进步、挑战和机遇。在国际人工智能联合会议上（第4981-4987页）。
[30] Ma，G.，Ahmed，N.K.，Willke，T.L.，Sengupta，D.，Cole，M.W.，&Turk-Browne，N.B.等人（2019年）。用于大脑数据分析的深度图相似性学习。《ACM信息和知识管理国际会议记录》（第2743-2751页）。
[31] Ma，G.，He，L.，Lu，C.-T.，Shao，W.，Yu，P.S.，&Leow，A.D.等人（2017）。基于图嵌入的多视图聚类用于连接体分析。《ACM信息知识管理国际会议记录》（第127-136页）。
[32] 马，X。；吴，J。；薛，S。；杨，J。；周，C。；Sheng，Q.Z.，《图形异常检测与深度学习综合综述》，IEEE知识与数据工程汇刊（2021）
[33] Mikolov，T.、Chen，K.、Corrado，G.和Dean，J.（2013）。向量空间中单词表示的有效估计。在学习代表国际会议上。
[34] Mnih，V。；Kavukcuoglu，K。；西尔弗·D。；Rusu，A.A。；Veness，J。；Bellemare，M.G.，《通过深度强化学习实现人类层面的控制》，《自然》，518，7540，529-533（2015）
[35] Nishi，T。；Otaki，K。；Hayakawa，K。；Yoshimura，T.，基于图卷积神经网络强化学习的交通信号控制，（智能交通系统国际会议（2018），IEEE），877-883
[36] 诺尔特，G。；Bai，O。；惠顿，L。；Mari，Z。；沃巴赫，S。；Hallett，M.，使用相干的假想部分从EEG数据中识别真实的大脑交互作用，临床神经生理学，115，10，2292-2307（2004）
[37] Oono，K.和Suzuki，T.（2019年）。图形神经网络指数级地失去了节点分类的表达能力。在学习代表国际会议上。
[38] 奥斯滕维尔德，R。；弗里斯，P。；Maris，E。；Schoffelen，J.-M.，FieldTrip:MEG、EEG和侵入性电生理数据高级分析的开源软件，计算智能和神经科学，2011（2011）
[39] 潘，S。；吴，J。；朱，X。；Long，G。；Zhang，C.，多任务图分类的任务敏感特征探索和学习，IEEE控制论汇刊，47，3，744-758（2016）
[40] 帕里索特，S。；科特纳，S.I。；费兰特，E。；李，M。；格雷罗，R。；Glocker，B.，《使用图卷积网络进行疾病预测：在自闭症谱系障碍和阿尔茨海默病中的应用》，医学图像分析，48，117-130（2018）
[41] 彭，H。；Li，J.等人。；龚，Q。；宁，Y。；王，S。；He，L.，基于Motif-matching的图形分类子图级注意卷积网络，（AAAI人工智能会议论文集，第34卷（2020）），5387-5394
[42] 彭，H。；张，R。；Dou，Y。；Yang，R。；张杰。；Yu，P.S.，增强邻域选择引导的多关系图神经网络，ACM信息系统汇刊，1-46（2021）
[43] 彭，H。；张，R。；李，S。；曹毅。；潘，S。；Yu，P.，从社交消息中增强、增量和跨语言事件检测，IEEE模式分析和机器智能汇刊，1（2022）
[44] Perozzi，B.、Al-Rfou，R.和Skiena，S.（2014）。Deepwalk：社交表征的在线学习。《ACM SIGKDD知识发现数据挖掘国际会议论文集》（第701-710页）。
[45] Ragin，A.B。；杜，H。；奥克斯，R。；Wu，Y。；Sammet，C.L.公司。；Shoukry，A.，艾滋病毒感染早期可检测到大脑结构改变，《神经病学》，79，24，2328-2334（2012）
[46] 史密斯，S.M。；詹金森，M。；Woolrich，M.W。；贝克曼，C.F。；Behrens，T.E。；Johansen-Berg，H.，作为FSL的功能和结构MR图像分析与实现进展，神经影像，23，S208-S219（2004）
[47] 孙强、李杰、彭浩、吴杰、宁余、余培生等（2021）。SUGAR：具有增强池和自监督互信息机制的子图神经网络。网络会议记录（第2081-2091页）。
[48] 北卡罗来纳州佐里奥·马泽尔。；兰多，B。；Papathanassiou，D。；克里维略，F。；O.Etard。；Delcroix，N.，使用MNI MRI单受试者大脑的宏观解剖分割对SPM激活进行自动解剖标记，神经影像，15，1，273-289（2002）
[49] Urbanski，M。；德肖顿，麻省理工。；Rodrigo，S.，《空间意识的脑网络：来自扩散张量成像束成像的证据》，《神经病学、神经外科和精神病学杂志》，79，5，598-601（2008）
[50] 范登·胡维尔，M.P。；Pol，H.E.H.，《探索大脑网络：静止状态fMRI功能连通性综述》，欧洲神经精神药理学，20，8，519-534（2010）
[51] Van Hasselt，H。；A.盖兹。；Silver，D.，双q学习的深度强化学习，（AAAI人工智能会议论文集，第30卷（2016））
[52] Velickovic，P.、Cucurull，G.、Casanova，A.、Romero，A.、Lio，P.和Bengio，Y.（2018）。绘制注意力网络图。在学习代表国际会议上。
[53] Wang，S.，He，L.，Cao，B.，Lu，C.-T.，Yu，P.S.，&Ragin，A.B.（2017）。结构化深脑网络挖掘。《ACM SIGKDD知识发现数据挖掘国际会议论文集》（第475-484页）。
[54] Whitfield-Gabrieli，S。；Nieto-Castanon，A.，Conn:关联和反关联大脑网络的功能连接工具箱，《大脑连接》，第2期，第3期，第125-141页（2012年）
[55] Xing，X。；李强。；袁，M。；魏，H。；薛，Z。；Wang，T.，DS-GCNs:使用动态谱图卷积网络和辅助任务训练进行连接体分类，大脑皮层，31，2，1259-1269（2021）
[56] Yan，Z。；Ge，J。；Wu，Y。；李，L。；Li，T.，自动虚拟网络嵌入：图形卷积网络的深度强化学习方法，IEEE通信选定领域期刊，38，61040-1057（2020）
[57] 严，C。；Zang，Y.，DPARSF:用于静态fMRI“管道”数据分析的MATLAB工具箱，系统神经科学前沿，4，13（2010）
[58] 查·D、赖·K·H、周·K、胡·X（2019）。体验重播优化。在国际人工智能联合会议上。
[59] 张，X。；He，L。；Chen，K。；罗，Y。；周，J。；Wang，F.，多视图图卷积网络及其在帕金森病神经影像分析中的应用，（AMIA年度研讨会论文集，2018（2018）卷，美国医学信息学会），1147-1156
[60] Zhang，Y。；Huang，H.，用于大脑连接体数据分析的新型图盲卷积网络，（医学成像信息处理国际会议（2019年），施普林格），669-681
[61] 钟，P。；王，D。；Miao，C.，基于EEG的正则化图形神经网络情感识别，IEEE情感计算汇刊，1（2020）
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。