亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

SD-CNN: A static-dynamic convolutional neural network for functional brain networks

计算机科学 卷积神经网络 人工智能 判别式 动态功能连接 循环神经网络 卷积(计算机科学) 分类器(UML) 模式识别(心理学) 功能磁共振成像 人工神经网络 生物 神经科学
作者
Jiashuang Huang,Mingliang Wang,Hengrong Ju,Zhenquan Shi,Weiping Ding,Daoqiang Zhang
出处
期刊:Medical Image Analysis [Elsevier BV]
卷期号:83: 102679-102679 被引量:18
标识
DOI:10.1016/j.media.2022.102679
摘要

Static functional connections (sFCs) and dynamic functional connections (dFCs) have been widely used in the resting-state functional MRI (rs-fMRI) analysis. sFCs, calculated based on entire rs-fMRI scans, can accurately describe the static topology of the brain network. dFCs, estimated by dividing rs-fMRI scans into a series of short sliding windows, are used to reveal time-varying changes in FC patterns. Currently, how to jointly use sFCs and dFCs to identify brain diseases under the framework of deep learning is still a hot issue. To this end, we propose a static-dynamic convolutional neural network for functional brain networks, which involves a static pathway and a dynamic pathway for taking full advantages of sFCs and dFCs. Specifically, the static pathway, using high-resolution convolution filters (i.e., convolution filters with a high number of channels) at a single adjacency matrix of sFCs, is performed to capture static FC patterns. The dynamic pathway, using low-resolution convolution filters at each adjacency matrix of dFCs, is performed to capture time-varying FC patterns. Two types of diffusion connections are used in this model for encouraging the transfer of information between the static pathway and the dynamic pathway, which can make the learned features more discriminative. Furthermore, a static and dynamic combination classifier is introduced to combine features from two pathways for identifying brain diseases. Experiments on two real datasets demonstrate the effectiveness and advantages of our proposed method.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Andrew完成签到,获得积分10
9秒前
月军完成签到,获得积分10
13秒前
研友_VZG7GZ应助科研通管家采纳,获得10
23秒前
herococa应助科研通管家采纳,获得10
23秒前
32秒前
guoao发布了新的文献求助10
38秒前
打打应助D調采纳,获得30
39秒前
Celia应助徐5V采纳,获得30
44秒前
YifanWang应助科研通管家采纳,获得10
2分钟前
herococa应助科研通管家采纳,获得10
2分钟前
herococa应助科研通管家采纳,获得10
2分钟前
YifanWang应助科研通管家采纳,获得10
2分钟前
糟糕的颜完成签到 ,获得积分10
2分钟前
遇上就这样吧应助大道要熬采纳,获得100
2分钟前
韩涵完成签到 ,获得积分10
3分钟前
大道要熬完成签到,获得积分10
3分钟前
蜗牛你行完成签到,获得积分10
4分钟前
guoao发布了新的文献求助10
4分钟前
愔愔应助蜗牛你行采纳,获得10
4分钟前
YifanWang应助科研通管家采纳,获得10
4分钟前
YifanWang应助科研通管家采纳,获得10
4分钟前
YifanWang应助科研通管家采纳,获得10
4分钟前
YifanWang应助科研通管家采纳,获得10
4分钟前
YifanWang应助科研通管家采纳,获得10
4分钟前
YifanWang应助科研通管家采纳,获得10
4分钟前
嗯嗯嗯完成签到,获得积分10
4分钟前
Lin关注了科研通微信公众号
5分钟前
领导范儿应助xurilaixi采纳,获得10
6分钟前
6分钟前
xurilaixi发布了新的文献求助10
6分钟前
6分钟前
YifanWang应助科研通管家采纳,获得40
6分钟前
YifanWang应助科研通管家采纳,获得10
6分钟前
YifanWang应助科研通管家采纳,获得10
6分钟前
xurilaixi完成签到,获得积分10
6分钟前
Lin发布了新的文献求助10
6分钟前
kanwenxian完成签到,获得积分10
6分钟前
忧郁小鸽子完成签到,获得积分10
6分钟前
obedVL完成签到,获得积分10
7分钟前
8分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Rapid Review of Electrodiagnostic and Neuromuscular Medicine: A Must-Have Reference for Neurologists and Physiatrists 1000
求中国石油大学(北京)图书馆的硕士论文,作者董晨,十年前搞太赫兹的 500
Aircraft Engine Design, Third Edition 500
Neonatal and Pediatric ECMO Simulation Scenarios 500
Ricci Solitons in Dimensions 4 and Higher 470
Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Research 460
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 内科学 生物化学 物理 计算机科学 纳米技术 遗传学 基因 复合材料 化学工程 物理化学 病理 催化作用 免疫学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 4779970
求助须知:如何正确求助?哪些是违规求助? 4109964
关于积分的说明 12713976
捐赠科研通 3832822
什么是DOI,文献DOI怎么找? 2113970
邀请新用户注册赠送积分活动 1137349
关于科研通互助平台的介绍 1022036