Graph Contrastive Learning for Connectome Classification

要約

磁気共鳴イメージング（MRI）などの脳活動を測定するための非侵襲的技術の最近の進歩により、グラフ信号処理（GSP）を介した構造的および機能的脳ネットワークの研究は顕著な目立っています。
GSPは、脳の機能と構造間の相互作用を解明する重要なツールとして存在し、関心のある領域間のつながりによって定義されるグラフの分析を可能にします – このコンテキストではコネクマムと呼ばれます。
私たちの作品は、グラフ表現学習の領域内で監視された対照学習方法を調査することにより、この方向へのさらなるステップを表しています。
このアプローチの主な目的は、異なるラベルで同じラベルを分離しながら同じラベルを共有する被験者をまとめるサブジェクトレベル（つまり、グラフレベル）ベクトル表現を生成することです。
これらのConnectome埋め込みは、構造的および機能的接続性を共同で考慮するグラフニューラルネットワークエンコーダーデコーダーアーキテクチャから派生しています。
データ増強技術を活用することにより、提案されたフレームワークは、Human Connectomeプロジェクトデータを使用して、性別分類タスクで最先端のパフォーマンスを実現します。
より広く、私たちのコネクトーム中心の方法論的進歩は、精密医療と診断のための神経変性の不均一性を理解するための潜在的な影響を与えるためにGSPを使用してより多くを発見するという有望な見通しをサポートしています。

要約(オリジナル)

With recent advancements in non-invasive techniques for measuring brain activity, such as magnetic resonance imaging (MRI), the study of structural and functional brain networks through graph signal processing (GSP) has gained notable prominence. GSP stands as a key tool in unraveling the interplay between the brain’s function and structure, enabling the analysis of graphs defined by the connections between regions of interest — referred to as connectomes in this context. Our work represents a further step in this direction by exploring supervised contrastive learning methods within the realm of graph representation learning. The main objective of this approach is to generate subject-level (i.e., graph-level) vector representations that bring together subjects sharing the same label while separating those with different labels. These connectome embeddings are derived from a graph neural network Encoder-Decoder architecture, which jointly considers structural and functional connectivity. By leveraging data augmentation techniques, the proposed framework achieves state-of-the-art performance in a gender classification task using Human Connectome Project data. More broadly, our connectome-centric methodological advances support the promising prospect of using GSP to discover more about brain function, with potential impact to understanding heterogeneity in the neurodegeneration for precision medicine and diagnosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google