뇌 질환 분석을 위한 해석 가능한 뇌 그래프 대조 학습 프레임워크

이 논문에서는 질병 예측과 병원체 분석을 위해 비지도 방식으로 뇌 그래프 표현을 학습하는 해석 가능한 뇌 그래프 대조 학습 프레임워크를 제안합니다. 우리의 프레임워크는 두 가지 주요 디자인으로 구성되어 있습니다: 먼저, 중요하지 않은 구조와 특성 기능을 변형하기 위해 제어 가능한 데이터 증강 전략을 활용하여 뇌 그래프의 생성을 수행합니다. 그 다음, 건강한 뇌 그래프와 환자의 뇌 그래프 간의 차이가 작다는 점을 고려하여, 대조 손실의 부정 샘플에 가중치를 부여하기 위해 어려운 부정 샘플 평가를 도입하여 더욱 차별적인 뇌 그래프 표현을 학습할 수 있습니다. 더 중요한 것은, 우리의 방법이 병원체 분석을 위해 두드러진 뇌 영역과 연결을 관찰할 수 있다는 것입니다. 우리는 세 가지 실제 신경영상 데이터 세트에서 질병 예측 및 해석 가능한 분석 실험을 수행하여 우리의 프레임워크의 효과를 입증합니다.