Core-Periphery Principle Guided State Space Model for Functional Connectivity Group Classification

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种核心-外围状态空间模型(CP-SSM),有效解决了传统机器学习在脑区关系处理中的不足。实验结果表明,CP-SSM在功能连接组分类中优于Transformer模型,降低了计算复杂性,为神经疾病诊断提供了新的方向。

🎯

关键要点

  • 本研究提出了一种核心-外围状态空间模型(CP-SSM)。

  • CP-SSM有效解决了传统机器学习在脑区关系处理中的不足。

  • 该模型具有线性复杂性,能够有效捕捉大范围的依赖关系。

  • 实验结果表明,CP-SSM在功能连接组分类中优于基于Transformer的模型。

  • CP-SSM显著降低了计算复杂性。

  • 该研究为神经影像学中的神经疾病诊断提供了新的方向。

➡️

继续阅读