异质图脑网络模型

多模态融合更强

将左右脑半球节点与半球间连接建模为异质图，并以自监督预训练策略缓解小样本过拟合，让多模态脑影像分析更稳健。

Shi, Gen · Zhu, Yifan · Liu, Wenjin · 姚权铭 · 李雪松

IEEE Transactions on Knowledge and Data Engineering 2025

技术优势

更看重半球间弱连接

消融实验证实，异质图模型对以往同构图模型因连接强度低而忽略的半球间连接赋予了更高重要性。

小样本也能练

自监督预训练策略缓解了参数量大与医学数据样本量小之间的冲突，解决了过拟合问题。

应用场景

• 脑疾病诊断：可在本地脑影像数据上微调，提高疾病分类准确率。
• 脑网络分析：用异质图结构更真实地还原脑网络，揭示半球间交互模式。
• 神经影像分析：融合多模态影像数据，提升神经影像分析效果。
• 多模态学习：用异质图统一多模态数据，缓解小样本过拟合。