一种考虑病灶的基于边缘的图神经网络用于预测中风后失语症患者的语言能力
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对中风后失语症患者,提出了一种考虑病灶的图神经网络(LEGNet),以从静息态功能性磁共振(rs-fMRI)连接中预测语言能力。该模型通过边缘学习模块、病灶编码模块和子图学习模块有效整合脑区功能连接,结果表明LEGNet在预测语言能力上优于基线深度学习方法,显示出在不同神经影像协议下的优越泛化能力,具有改善失语症评估的潜力。
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,证明了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。