BrainGNN: Interpretable Brain Graph Neural Network for fMRI Analysis

2021· article· en· 708 citations· W3199008037 sur OpenAlex· 10.1016/j.media.2021.102233

Pourquoi ce travail est-il dans la base ?

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

Affiliation canadienneUne personne signataire a déclaré un établissement canadien. C'est la seule voie dont dispose la base habituelle.

Prédiction du classificateur

metacan-v1-d91a1de5be90

Les prédictions imitent deux enseignants automatiques. Les scores ne sont pas des probabilités de prévalence calibrées.

Candidat du classificateur: ObservationnelExpérimental (laboratoire)Sans objet
Consensus du classificateur: Expérimental (laboratoire)Sans objet

Scores d’imitation des enseignants

Codex

Sans objet0,264

Autre devis0,081

Expérimental (laboratoire)0,079

Observationnel0,028

Bibliométrie0,026

Simulation ou modélisation0,012

Méta-analyse0,004

Métarecherche0,000

Étude de cas0,000

Théorique ou conceptuel0,000

Méta-épidémiologie (sens large)0,000

Science ouverte0,000

Études des sciences et des technologies0,000

Intégrité de la recherche0,000

Qualitatif0,000

Communication savante0,000

Méta-épidémiologie (sens strict)0,000

Essai non randomisé0,000

Revue systématique0,000

Essai randomisé0,000

Gemma

Sans objet0,393

Expérimental (laboratoire)0,110

Simulation ou modélisation0,009

Bibliométrie0,008

Métarecherche0,006

Observationnel0,005

Méta-analyse0,002

Théorique ou conceptuel0,002

Intégrité de la recherche0,001

Essai non randomisé0,001

Études des sciences et des technologies0,000

Étude de cas0,000

Méta-épidémiologie (sens large)0,000

Communication savante0,000

Qualitatif0,000

Revue systématique0,000

Méta-épidémiologie (sens strict)0,000

Science ouverte0,000

Essai randomisé0,000

Scores machine (provisoires)

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Tête enseignante Opus0,020

Tête enseignante GPT0,296

Écart entre enseignants: 0,276 la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation: score_only:v0-immature-baseline tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Résumé

Understanding which brain regions are related to a specific neurological disorder or cognitive stimuli has been an important area of neuroimaging research. We propose BrainGNN, a graph neural network (GNN) framework to analyze functional magnetic resonance images (fMRI) and discover neurological biomarkers. Considering the special property of brain graphs, we design novel ROI-aware graph convolutional (Ra-GConv) layers that leverage the topological and functional information of fMRI. Motivated b…

Récupéré depuis PubMed par NCBI EFetch. Les titres des sections structurées sont conservés.