MPP-GNN：基于 fMRI 的阿尔茨海默病分类的主题自适应社区检测

arXiv:2607.28681v1 公告类型：新 摘要：功能磁共振成像（fMRI）是一种广泛用于研究大脑的技术。最近利用图神经网络（GNN）分析大脑功能连接的方法在阿尔茨海默病（AD）等大脑疾病的分类方面显示出巨大的潜力。然而，这些方法通常假设所有受试者都有预设数量的功能模块，这忽略了受试者间的变异性。此外，发现的模块很少用于直接指导学习的连接模式。在这里，为了解决这些问题，我们提出了元概率池 GNN（MPP-GNN）。我们将模型的任务构建为耦合的双层优化，分层执行自适应图分区以发现特定于主题的模块，然后使用发现的大脑模块作为显式先验来指导边缘细化和表示学习。我们在两个公共数据集上验证 MPP-GNN 进行 AD 分类，与两个数据集的既定基线相比，实现了最高的 AUC。此外，我们的分析表明，MPP-GNN 显示出与 Yeo 大脑图谱定义的规范功能网络组织的显着一致性，并揭示了 AD 的网络级去分化模式。