事前情報を取り入れたグラフ学習による異種脳ネットワークのサブネットワーク間相互作用の探索

要約: 機能的サブネットワーク間の複雑な相互作用をモデル化することは、精神障害の診断と機能的経路の同定にとって極めて重要である。しかし、基盤となるサブネットワークの相互作用を学習することは、訓練データのサンプル数が限られているため、既存のTransformerベースの手法にとって依然として大きな課題である。これらの課題に対処するために、前知識を明示的に組み込み、学習プロセスを導くPrior-Informed Graph LearningフレームワークであるKD-Brainを提案する。具体的には、セマンティック条件付き相互作用メカニズムを設計し、セマンティックな事前知識をアテンションのクエリに注入して、機能的アイデンティティに基づいてサブネットワーク間の相互作用を明示的に導く。さらに、病理学的一貫性制約を導入し、学習された相互作用分布を臨床的事前知識と一致させることでモデル最適化を正則化する。加えて、KD-Brainは幅広い精神障害の診断タスクで最先端の性能を達成し、精神病理生理学と一致する解釈可能なバイオマーカーを特定します。私たちのコードは https://anonymous.4open.science/r/KDBrain で利用可能です。