动态功能连接的机器学习:前景、陷阱与解读
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对现有机器学习在动态功能连接中的应用挑战,旨在通过分析大规模fMRI数据建立深度模型的实证指导。研究发现,当前模型在认知任务识别和疾病诊断中表现不一,提出了一般性选择机器学习方法的指导原则,以推动新的神经影像应用的发展。
本文介绍了一种使用静息态功能磁共振成像技术的新型建模架构BrainRGIN,通过图神经网络在静态功能网络连接矩阵上预测智力。模型在青少年大脑认知发展数据集上评估,证明其在预测智力个体差异方面的有效性。中央额叶回对流体和晶体智力有显著贡献,总复合分数识别出与大脑相关的多样区域,凸显了总智力的复杂性。