ترجمه فارسی مقاله Contrasformer: یک ترانسفورماتور متضاد شبکه مغزی برای شناسایی شرایط عصبی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Contrasformer: A Brain Network Contrastive Transformer for Neurodegenerative Condition Identification
عنوان مقاله به فارسی Contrasformer: یک ترانسفورماتور متضاد شبکه مغزی برای شناسایی شرایط عصبی
نویسندگان Jiaxing Xu, Kai He, Mengcheng Lan, Qingtian Bian, Wei Li, Tieying Li, Yiping Ke, Miao Qiao
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Neurons and Cognition,یادگیری ماشین , هوش مصنوعی , نورون ها و شناخت ,
توضیحات Submitted 17 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 17 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Understanding neurological disorder is a fundamental problem in neuroscience, which often requires the analysis of brain networks derived from functional magnetic resonance imaging (fMRI) data. Despite the prevalence of Graph Neural Networks (GNNs) and Graph Transformers in various domains, applying them to brain networks faces challenges. Specifically, the datasets are severely impacted by the noises caused by distribution shifts across sub-populations and the neglect of node identities, both obstruct the identification of disease-specific patterns. To tackle these challenges, we propose Contrasformer, a novel contrastive brain network Transformer. It generates a prior-knowledge-enhanced contrast graph to address the distribution shifts across sub-populations by a two-stream attention mechanism. A cross attention with identity embedding highlights the identity of nodes, and three auxiliary losses ensure group consistency. Evaluated on 4 functional brain network datasets over 4 different diseases, Contrasformer outperforms the state-of-the-art methods for brain networks by achieving up to 10.8\% improvement in accuracy, which demonstrates its efficacy in neurological disorder identification. Case studies illustrate its interpretability, especially in the context of neuroscience. This paper provides a solution for analyzing brain networks, offering valuable insights into neurological disorders. Our code is available at \url{https://github.com/AngusMonroe/Contrasformer}.

چکیده به فارسی (ترجمه ماشینی)

درک اختلال عصبی یک مشکل اساسی در علوم اعصاب است ، که اغلب نیاز به تجزیه و تحلیل شبکه های مغزی حاصل از داده های رزونانس مغناطیسی عملکردی (FMRI) دارد.با وجود شیوع شبکه های عصبی نمودار (GNN) و ترانسفورماتورهای نمودار در حوزه های مختلف ، استفاده از آنها در شبکه های مغزی با چالش هایی روبرو است.به طور خاص ، مجموعه داده ها به شدت تحت تأثیر صداهای ناشی از تغییر توزیع در زیر جمعیت ها و غفلت از هویت گره قرار می گیرند ، هر دو مانع شناسایی الگوهای خاص بیماری می شوند.برای مقابله با این چالش ها ، ما Contrasformer را پیشنهاد می کنیم ، یک ترانسفورماتور شبکه مغزی متضاد.این یک نمودار کنتراست پیشرفته با دانش قبلی ایجاد می کند تا با یک مکانیسم توجه دو جریان ، تغییر توزیع در زیر جمعیت ها را برطرف کند.توجه متقاطع با تعبیه هویت ، هویت گره ها را برجسته می کند و سه ضرر کمکی قوام گروهی را تضمین می کند.ارزیابی شده در 4 مجموعه داده شبکه عملکردی مغز بیش از 4 بیماری مختلف ، Contrasformer با دستیابی به پیشرفت حداکثر 10.8 \ ٪ در صحت ، از روشهای پیشرفته برای شبکه های مغز بهتر عمل می کند ، که نشان دهنده اثربخشی آن در شناسایی اختلال عصبی است.مطالعات موردی تفسیر آن را نشان می دهد ، به ویژه در زمینه علوم اعصاب.در این مقاله راه حلی برای تجزیه و تحلیل شبکه های مغزی ، ارائه بینش ارزشمندی در مورد اختلالات عصبی ارائه شده است.کد ما در \ url {https://github.com/angusmonroe/contrasformer} در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.