REST-MDD

新的双曲学习框架增强了脑部疾病诊断

研究人员开发了一种名为“大脑图谱上的双曲学习”（HLBG）的新型框架，用于分析功能性大脑网络和诊断疾病。该方法利用深度双曲学习来模拟大脑网络固有的层级结构，从个体区域（ROIs）到全脑整合。HLBG将表示投影到洛伦兹双曲空间，并结合了图感知Mamba（GaMamba）模型，以捕捉长距离依赖性并保留拓扑信息。在ABIDE-I和REST-MDD数据集上的实验表明，HLBG优于现有的最先进方法，并识别出与疾病相关的生物标志物。