STNAGNN: Spatiotemporal Node Attention Graph Neural Network for Task-based fMRI Analysis

本文介绍了任务相关性功能磁共振成像（task-based fMRI）的应用，通过动作或刺激触发特定任务的脑部反应，并使用BOLD对比度来测量。尽管任务引起了显著的时空脑激活波动，但大多数任务相关性功能磁共振成像的研究忽略了与功能磁共振成像对齐的任务上下文信息，并将任务相关性功能磁共振成像视为一个连贯的序列。本文展示了使用任务结构作为数据驱动指导对时空分析是有效的。我们提出了STNAGNN，一种基于图神经网络的时空架构，并验证了其在自闭症分类任务中的性能。训练的模型还被解释为识别与自闭症相关的时空脑生物标志物。

本论文旨在使用任务结构作为数据驱动的指导，对任务感应功能磁共振成像进行时空分析，以提高分类精度和识别脑生物标志物。

STNAGNN是一种基于GNN的时空体系结构，可以有效地利用任务结构信息进行时空分析。

论文在自闭症分类任务中验证了STNAGNN的性能，并对训练模型进行了解释，以识别与自闭症相关的时空脑生物标志物。

最近的相关研究包括使用GNN进行脑网络分类和使用任务结构信息进行功能磁共振成像分析的研究。