• 목록

● 논문제목: Detection of Discriminative Neurological Circuits Using Hierarchical Graph Convolutional Networks in fMRI Sequences


● 논문 내용 요약: FMRI 데이터의 동적 연결 특성을 반영하여 그래프를 모델링하기에는 여러 한계점이 존재한다. 본 논문은 FMRI 네트워크의 뇌 회로에 대한 계층적인 특성, 동적인 특성 그리고 GCN의 해석 능력을 높이고자 Hierarchical Dynamic GCN(HD-GCN)을 제안하였다.

● 논문의 시사점: 본 연구에서 제안한 HD-GCN은 Connectivity 그래프를 여러레벨에서 계층적으로 처리하는 알고리즘이다. 해부학적 영역같이 하위 그래프와 뇌 회로 같은 상위 그래프까지 계층적으로 representation을 했다. 또한, 클러스터링에 기반한 group wise graph pooling을 사용해서 하위 그래프와 상위 그래프를 동적 시간 범위에 걸쳐 연결되도록 설계했고,각 나눠진 뇌 영역 클러스터 사이의 관계를 구체화하기 위해 edge learning을 사용하였다는 특징이 있다. 현 연구에서는 노드의 connectivity만 사용해서 feacture extracting을 하였는데, 노드의 feature들을 더 이용하여 뇌 영역에 대한 구체적인 특징들을 더 확보한다면 더 좋은 퍼포먼스를 기대할 수 있을 것이라 보여진다.