SUDMEX CONN

连接组图学习需要不确定性量化来获得值得信赖的生物标志物

一篇新发表在arXiv上的论文探讨了在应用于连接组学图学习模型中不确定性量化（UQ）的关键需求。研究强调，尽管像图注意力网络（GATs）这样的模型可以达到很高的诊断准确性，但它们在预测时常常表现出严重的过度自信。一项使用SUDMEX CONN数据集进行可卡因依赖分类的案例研究证明了这个问题，其中被错误分类的受试者获得了高置信度分数。该论文认为，严格的UQ和校准机制对于在临床神经科学中开发值得信赖的生物标志物至关重要。