Neues Dual‑Attention Graph Network verbessert fMRI‑Klassifikation bei Autismus
Ein neues Forschungsframework aus dem Bereich der Neurowissenschaften nutzt dynamische Graphen und spatio‑temporale Aufmerksamkeitsmechanismen, um die Klassifikation von funktionellen Magnetresonanztomographie‑Daten (fMRI) zu optimieren. Durch die Kombination von Transformer‑basierten Attention‑Modulen und Graph Convolutional Networks (GCN) kann das Modell die sich ständig ändernde funktionelle Konnektivität des Gehirns in jedem Zeitschritt exakt erfassen.
