概要: 騒音があり非定常な脳波（EEG）からの頑健で解釈可能な認知症診断は臨床上極めて重要ですが、依然として困難です。これを踏まえ、時系列で変化する機能的結合をモデル化し、診断決定を推進する結節を明らかにするノード指向のスパースエッジマスクを用いた、スパース説明型の動的EEGグラフネットワークSeeGraphを提案します。SeeGraphは4つの構成要素から成ります: (1) ノード信号が局所的振動を捉え、エッジ信号が領域間結合を捉える、動的EEGを2ストリームでモデル化するデュアル・トラジェクトリ時間エンコーダ; (2) 統合された結合からグラフスペクトルラプラシアン座標を導出し、ノード埋め込みを補強するトポロジー対応の位置エンコーダ; (3) ノード指向のスパースな説明用エッジマスクが結合を制御して、よりコンパクトなサブグラフを作り出す; (4) スパース化されたグラフ上で動作するゲート付きグラフ予測器。 このフレームワークは、クロスエントロピー損失とマスクへのスパース正則化を併用して訓練され、ノイズに頑健で解釈可能な診断をもたらします。 SeeGraphの有効性は、公的および社内のEEGコホートで検証され、神経変性性認知症の患者および健康な対照を含み、原データおよびノイズ攪乱条件の下で評価されました。そのスパースでノード指向の説明は、病気に関連する結合を強調し、機能的結合の変化に関する確立された臨床所見と一致しており、神経学的評価のための透明な手掛かりを提供します。
返却形式: {"translated": "翻訳されたHTML"}
