多模态诊断更准
用图拓扑统计与动态融合解决多模态特征异质性，在跨站点数据上表现出更强泛化能力。
Weilun, Wu · Wang, Huan · Wu, Shen · Xueliang, Jiang · 焦竹青
Neural Networks 2026
通过正交投影与二阶统计量显式编码图拓扑，捕捉全局结构特征，提升表示能力。
TransUNet编码器从群体图和相关性协同图中学习多尺度特征，并集成GTST模块，改善全局与局部特征的交互。
分布感知动态融合模块显式建模多模态分布差异，调节各模态贡献，增强多模态表征的一致性与鲁棒性。
在ABIDE与ADHD-200数据集上的评估显示，模型优于现有最优方法，且在不同受试者队列上表现稳定。