机构名称：
¥ 3.0
理解神经动力学的空间和时间特征之间的相互作用有助于我们理解人类大脑中的信息处理。图神经网络 (GNN) 为解释复杂大脑网络中观察到的图结构信号提供了一种新的可能性。在我们的研究中，我们比较了不同的时空 GNN 架构，并研究了它们对功能性 MRI (fMRI) 研究中获得的神经活动分布进行建模的能力。我们评估了 GNN 模型在 MRI 研究中各种场景下的性能，并将其与 VAR 模型进行了比较，后者目前常用于定向功能连接分析。我们表明，通过学习解剖基底上的局部功能相互作用，基于 GNN 的方法能够稳健地扩展到大型网络研究，即使在可用数据稀缺的情况下也是如此。通过将解剖连接作为信息传播的物理基础，此类 GNN 还提供了定向连接分析的多模态视角，为研究大脑网络中的时空动态提供了一种新的可能性。
图神经网络架构的比较
主要关键词
相关文件推荐
