Manifold-Aware Graph Diffusion Network

新的MAGNET模型以更高的保真度生成有效的脑连接组

研究人员开发了MAGNET，一种用于生成功能性脑连接组的流形感知图扩散网络。该模型采用归一化乔列斯基表示来确保相关性矩阵的有效性，并通过类锚定条件和保持相关性的损坏来解决粗糙标签引起的问题。在ABIDE、ADNI和OASIS-3等数据集上，MAGNET在现有流形感知方法方面表现出显著的改进，显示出增强的类条件保真度和更好的采样效率。值得注意的是，它可以在零样本设置中保持临床异质性，即使仅用二元标签进行训练，也能将子类协方差对齐度提高30%以上。