×
季俊忠;任亚婷;雷明龙

FC-HAT：用于功能性脑网络分类的超图注意力网络。 （英语） Zbl 07817251号

信息科学。 608, 1301-1316 (2022).
作者提出了一种基于rs-fMRI数据的超图注意网络模型，用于功能性脑网络分类。此外，作者开发了两个阶段，旨在提取有关超图的更多信息；准确地说，是一个动态超图生成阶段和超图注意聚合阶段。
审核人：Joseph Shomberg（普罗维登斯）

理学硕士：

92秒20 生物研究、人工生命和相关主题中的神经网络
05C65号 Hypergraphs（Hypergraph）
92-05 生物学相关问题的实验工作

关键词：

功能性脑网络;超图;图形神经网络;注意机制
PDF格式BibTeX公司 XML格式引用
\textit{J.Ji}等人，《信息科学》。6081301--1316（2022；Zbl 07817251）
全文： 内政部

参考文献：

[1] 阿加瓦尔，S。；布兰森，K。；Belongie，S.，《图形的高阶学习》，机器学习国际会议，17-24（2006）
[2] Anter，A.M。；魏毅。；苏，J。；袁，Y。；雷，B。；Duan，G。；Mai，W。；农，X。；Yu，B。；李，C。；傅，Z。；赵，L。；邓，D。；Zhang，Z.，基于群体智能的特征选择模型，用于神经模糊识别静止状态fmri中的轻度认知损伤，信息科学，503，670-687（2019）
[3] 克莱尔，G.J。；Krishnan，S。；帕普，D。；Wiltshire，C.E.E。；切斯特，J。；Watkins，K.E.，发育性口吃患者壳核和皮层言语运动网络中铁浓度升高，《大脑》，1442979-2984（2021）
[4] Dehmamy，N。；Barabasi，A.L。；Yu，R.，理解图神经网络在学习图拓扑中的表示能力，神经信息处理系统，15413-15423（2019）
[5] Di Martino，A。；严，C.G。；李强。；Denio，E。；卡斯特拉诺斯，F.X。；Alaerts，K.，《自闭症大脑成像数据交换：自闭症内在大脑结构的大规模评估》，《分子精神病学》，19659-667（2014）
[6] Feng，Y。；你，H。；张，Z。；Ji，R。；Gao，Y.，超图神经网络，（AAAI人工智能会议（2019）），3558-3565
[7] 费尔南德斯，F.E。；Yen，G.G.，《利用进化策略修剪用于医学成像诊断的生成性对抗性神经网络》，信息科学，558，91-102（2021）
[8] Gilmer，J。；Schoenholz，S.S。；莱利，P.F。；葡萄酒，O。；Dahl，G.E.，量子化学的神经信息传递，（国际机器学习会议（2017）），1263-1272
[9] He，T。；R.孔。；霍姆斯，A.J。；Nguyen，M。；萨本库，M.R。；艾克霍夫，S.B。；比兹多克，D。；冯，J。；Yeo，B.T.，Deep神经网络和核回归在行为和人口统计学的功能连接预测方面取得了可比的精确度，NeuroImage，206，第116276页，第（2020）条
[10] 黄，J。；周，L。；Wang，L。；Zhang，D.，用于脑网络分析的注意扩散双线性神经网络，IEEE医学成像学报，39，2541-2552（2020）
[11] 季军（Ji，J.）。；Xing，X。；姚，Y。；李，J。；Zhang，X.，用元素加权机制识别异常大脑连接模式的卷积核，模式识别，109，第107570条，pp.（2021）
[12] 季军（Ji，J.）。；Yao，Y.，使用图形套索提取稀疏拓扑特征用于脑疾病分类的卷积神经网络，IEEE/ACM计算生物学和生物信息学汇刊，182327-2338（2021）
[13] 季军（Ji，J.）。；Zhang，Y.，基于深度图散列学习的功能性脑网络分类，IEEE医学成像汇刊（2022）
[14] 季S。；Feng，Y。；吉·R。；X.赵。；唐·W。；Gao，Y.，双通道超图协同过滤，（ACM SIGKDD知识发现和数据挖掘国际会议（2020）），2020-2029
[15] 姜杰。；魏毅。；Feng，Y。；曹，J。；高毅，动态超图神经网络，国际人工智能联合会议，2635-2641（2019）
[16] Kawahara，J。；Brown，C.J。；米勒，S.P。；布斯，B.G。；Chau，V。；格鲁瑙，R.E。；Zwicker，J.G。；Hamarneh，G.，Brainnetcnn：用于大脑网络的卷积神经网络；预测神经发育，NeuroImage，1461038-1049（2017）
[17] 科斯拉，M。；贾米森，K。；库切耶斯基，A。；Sabuncu，M.R.，用三维卷积神经网络集成学习进行基于功能连接体的预测，NeuroImage，199，651-662（2019）
[18] Kim，B.H。；叶，J.C。；Kim，J.J.，利用时空注意力学习大脑连接体的动态图形表示，神经信息处理系统，4314-4327（2021）
[19] Kipf，T.N。；Welling，M.，图卷积网络半监督分类，（国际学习表征会议（2017））
[20] 科特纳，S.I。；帕里索特，S。；费兰特，E。；拉奇尔，M。；李，M。；格洛克，B。；Rueckert，D.，《大脑连接网络上谱图卷积的度量学习》，NeuroImage，169，431-442（2018）
[21] 李强。；贝克尔，B。；蒋，X。；Zhao，Z。；张，Q。；姚，S。；Kendrick，K.M.，作为自闭症谱系障碍的潜在生物标志物，大脑半球间功能连接而非胼胝体体积的减少，Cortex，119，258-266（2019）
[22] 李，X。；北卡罗来纳州德沃内克。；周，Y。；庄，J。；Ventola，P。；Duncan，J.S.，用于解释任务核磁共振生物标记的图形神经网络，（医学图像计算和计算机辅助干预国际会议（2019年）），485-493
[23] 刘，T。；刘，X。；Yi，L。；朱，C。；马基，P.S。；Pelowski，M.，《评估自闭症的社会和发展根源：使用功能性近红外光谱学对自闭症谱系障碍研究的回顾》，《神经影像》，185955-967（2019）
[24] Lu，H.等人。；刘，S。；魏，H。；陈，C。；Geng，X.，用于聚类大脑功能连接数据的深层多核自动编码器网络，神经网络，135，148-157（2021）
[25] 玛丁，M。；雷基克，I。；Werghi，N.，利用t1-w核磁共振成像结合多核学习和超图神经网络诊断自闭症，（IEEE图像处理国际会议（2020）），438-442
[26] 毛，Z。；苏，Y。；徐，G。；王，X。；黄，Y。；Yue，W。；Sun，L。；Xiong，N.，adhd-fmri分类的时空深度学习方法，信息科学，499，1-11（2019）
[27] 米勒姆。；费尔，D。；Mennes，M。；Mostofsky，S.，《adhd-200联盟：提高临床神经科学中神经成像翻译潜力的模型》，《系统神经科学前沿》，62（2012）
[28] Morrissey，Z.D.，Zhan，L.，Ajilore，O.，Leow，A.D.，2021年。rest2vec：使用图嵌入对resting-state函数连接组进行矢量化。NeuroImage神经影像226117538-11738。
[29] 纳西门托特区。；Pimentel，B。；苏扎，R。；Leite，J.P。；爱德华兹·D·J。；桑托斯，T.E。；Louzada，F.，应用于神经科学的符号区间数据的动态时间序列平滑，信息科学，517415-426（2020）·Zbl 1457.62274号
[30] 拉巴尼，L。；布罗克，S。；卡尔霍恩，V.D。；B.皮特曼。；Corbera，S。；韦克斯勒，B.E。；贝尔，医学博士。；Pelphrey，K。；Pearlson，G.D。；Assaf，M.，《精神分裂症和自闭症谱系障碍中的动态功能连接：聚合、分化和分类》，《神经影像：临床》，第24期，第101966页，（2019）
[31] Sadiq，M.T.，Yu，X.，Yuan，Z.，Aziz，M.Z.，Rehman，N.u.，Ding，W.，Xiao，G.，2022年。基于多元变分模式分解的运动图像bci分类。IEEE计算智能新兴主题汇刊，1-13。
[32] 萨迪克，麻省理工。；Yu，X。；袁，Z。；阿齐兹，M.Z。；Siuly，S。；Ding，W.，在特定主题任务中解码运动和心理意象脑电的矩阵行列式特征提取方法，IEEE认知和发展系统汇刊（2020）
[33] 萨迪克，麻省理工。；Yu，X。；袁，Z。；阿齐兹，M.Z。；苏利，S。；丁伟，《面向多功能脑机接口的开发》，IEEE人工智能汇刊，2314-328（2021）
[34] 沙哈马特，H。；Saniee Abadeh，M.，使用基于深度学习的进化方法进行脑部核磁共振分析，神经网络，126，218-234（2020）
[35] Shi，G。；李，X。；Zhu，Y。；Shang，R。；孙，Y。；郭，H。；Sui，J.，《分裂的大脑：自我结构下的功能性大脑不对称》，《神经影像》，240，第118382页，（2021）
[36] Soussia，M。；Rekik，I.，用于自闭症患者大脑状态识别的高阶连接组学流形学习，神经成像中的连接组学，51-59（2017）
[37] Sun，L。；Jin，B。；Yang，H。；汤，J。；刘，C。；Xiong，H.，基于回波状态网络的无监督脑电特征提取，信息科学，475，1-17（2019）
[38] Velickovic，P。；库库鲁尔，G。；卡萨诺娃，A。；罗梅罗，A。；Lio，P。；Bengio，Y.，Graph attention networks，（学习表征国际会议（2018））
[39] Yadati，N。；Nimishakavi，M。；Yadav，P。；尼廷，V。；A.路易斯。；Talukdar，P.P.，Hypercn：在超图上训练图卷积网络的新方法，神经信息处理系统，1511-1522（2019）
[40] Yan，Y。；朱，J。；杜达，M。；Solarz，E。；斯里帕达，C。；Koutra，D.，Groupinn:基于分组的可解释神经网络，用于对有限的、有噪声的大脑数据进行分类，（ACM SIGKDD知识发现和数据挖掘国际会议（2019）），772-782
[41] 杨，X。；邓，C。；Dang，Z。；Wei，K。；Yan，J.，Selfsagcn：图卷积网络的自监督语义对齐，（IEEE/CVF计算机视觉和模式识别会议论文集（2021）），16775-16784
[42] 曾丽莲。；Wang，H。；胡，P。；杨，B。；Pu，W。；沈，H。；陈，X。；刘，Z。；尹，H。；Tan，Q。；王凯。；Hu，D.，利用区分性深度学习和功能连接mri对精神分裂症进行多方面诊断分类，EBioMedicine，30，74-85（2018）
[43] 张，R。；邹毅。；Ma，J.，Hyper-sagnn:超图的基于自我注意的图形神经网络，（学习表征国际会议（2020年））
[44] 张，Y。；张，H。；阿德利，E。；陈，X。；刘，M。；Shen，D.，用于mci诊断的基于多tlas的功能连接网络的多视图特征学习，IEEE控制论汇刊，1-12（2020）
[45] 周，D。；黄，J。；Schölkopf，B.，用超图学习：聚类、分类和嵌入，神经信息处理系统，1601-1608（2006）
[46] 朱，D。；李，X。；蒋，X。；陈，H。；沈，D。；Liu，T.，通过结构加权套索模型探索高阶功能相互作用，医学成像信息处理，13-24（2013）
[47] 朱，H。；王，X。；徐，G。；邓，L.，超图匹配的基于自主学习的迁移模型，信息科学，590253-266（2022）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。