本文介绍了一种结合多种人脑图谱的受试者分类方法，利用图卷积神经网络（GCN）进行分类。通过融合不同类型的图谱，如低阶、高阶和基于统计、因果检验的图谱，克服单一连接方法的局限性，提高分类性能。GCN模型包含多尺度消息传递、跨层和全局节点特征提取层，以提取丰富的特征信息。这种方法提高了分类的准确性和泛化性能。
Hello,
大家好，这里是壹脑云，我是Ting Zhang~
今天和大家一起学习的是“基于图卷积神经网络融合多种人脑图谱的受试者分类方法”这个专利。它是由华南理工大学的张鑫和梁成波发明的专利。
这个发明公开了一种基于图卷积神经网络融合多种人脑图谱的受试者分类方法，人脑图谱是一种数据结构，表示人脑中不同脑区之间的互动信息，通过对受试者的五种人脑图谱进行识别从而对该受试者进行分类预测，属于脑科学研究以及深度学习研究领域。
该分类方法步骤如下：获取人脑功能磁共振时序信号并进行预处理；根据不同的功能连接强度计算方法对每个样本构建五种类型的人脑图谱从而得到五个数据集；构建五个图卷积神经网络分类器；分别在对应的人脑图谱数据集上进行训练，从而获得对特定人脑图谱的二分类能力；综合五个图卷积神经网络分类器的预测结果，对受试者进行分类预测，即预测受试者属于哪一类人。
我们将从背景技术、发明内容、优点及效果三个方面来解读，一起来学习吧~
背景技术
功能磁共振成像是一种快速成像技术，当大脑内某一部位进行活动，血流量增加，导致功能磁共振信号增强，因此功能磁共振成像(fMRI)技术被广泛应用于检测大脑内的血氧活动，进而检验大脑相关区域的功能活动变化。大量实验结果表明一些个体特征如年龄等与该个体的功能连接网络存在关系&#
最低0.47元/天 解锁文章
561
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
