基于图编码与小样本学习的精神分裂症分析方法

在基于图神经网络的脑功能性疾病研究中,构建脑网络之后不再变化,且一般需要大量的数据进行建模训练。为了解决这两个问题,文章提出一种基于图编码与小样本学习的分析诊断模型。该模型采用皮尔逊相关系数和自注意力机制构建自适应脑网络,并将时域特征、频域特征和脑网络特征作为图卷积神经网络的输入,进行动态学习自适应脑网络和图编码特征。将图编码特征作为图原型网络的输入,进行小样本学习并实现分类。将该模型应用于精神分裂症的分类诊断,实验结果表明,精神分裂症的识别准确率达到83.4%,为脑网络研究提供一种全新的思路和方法,为小样本学习在精神分裂症研究中的应用开辟了新的方向。