近日，neuSCAN团队在神经网络研究领域国际权威期刊Neural Networks发表题为Characterizing Functional Brain Networks via Spatio-Temporal Attention 4D Convolutional Neural Networks (STA-4DCNNs)（用于刻画大脑功能网络时空模式的“时空注意力四维卷积神经网络模型”）的研究成果。团队蒋希副研究员为论文第一作者，主要作者包括2019级硕士研究生严加栋、KeithKendrick教授和美国佐治亚大学刘天明教授，银河娱乐官网入口为论文第一署名单位。

图一 论文提出的大脑功能网络四维时空模式识别模型整体框架

已有研究表明人类大脑具有多个功能网络，每个功能网络对应特定的三维空间分布模式和一维时间序列模式。上述功能网络之间的正常交互实现了大脑复杂的功能活动，其异常也与脑疾病密切相关。近年来，基于四维大脑功能磁共振（functional magnetic resonance imaging, fMRI）成像数据刻画大脑功能网络的三维空间和一维时间模式特征，并研究其在特定脑疾病的改变，吸引了众多研究者的兴趣，有助于我们深入理解正常大脑的功能机理，也有助于探索特定脑疾病中个体水平的大脑功能网络时空模式改变，从而为脑疾病的辅助诊断提供线索。但已有的基于深度学习模型刻画大脑功能网络时空模式的研究未充分将fMRI数据的四维时空特征融入到建模分析中，导致时空模式的识别精度有待进一步提高。

为解决已有方法缺陷，本研究提出了时空注意力四维卷积神经网络（STA-4DCNN）。该模型使用空间注意力四维卷积神经网络和时间引导注意力网络分别识别大脑功能网络的三维空间和一维时间模式，前者采用四维卷积方法充分提取fMRI数据的时空特征并用于建模分析，后者使用引导注意力机制将同一功能网络的时间和空间模式识别有机结合。

图二 论文提出的STA-4DCNNs模型细节

论文使用两个公开的数据集（人脑连接组项目（Human Connectome Project, HCP）的七个任务态fMRI数据集和静息态fMRI数据集，孤独症脑成像数据交换I（Autism Brain Imaging Data Exchange I, ABIDE I）的静息态fMRI数据集）进行模型训练及验证。实验结果表明论文提出的新模型取得了较好的大脑功能网络时空模式识别准确率，并且优于已有其他方法。此外，新模型能够较准确识别孤独症个体水平的大脑功能网络异常时空模式。本工作提供了一个有效的识别正常个体大脑功能网络时空模式特征，以及脑疾病个体功能网络时空模式改变的工具。

图三 论文提出模型识别正常个体大脑功能网络时空模式的效果

图四 论文提出模型识别孤独症（ASD）患者个体大脑功能网络时空模式改变的效果

论文得到了国家自然科学基金、四川省科技计划应用基础研究面上项目、广东省科技计划重点项目、北京市科技委项目的支持。

蒋希，学院生物医学工程系副研究员、硕士生导师，研究方向为神经影像计算。主持多项国家及省部级科研项目，发表国际知名期刊和会议论文140余篇。谷歌学术总引用2700余次，h指数27，i10指数61。担任脑影像国际知名期刊Frontiers in Neuroscience-Brain Imaging Methods副主编、国际医学影像计算顶会MICCAI 2022年领域主席以及20余个国际重要期刊及会议评审。曾获得2018-19年度美国李氏基金会杰出成就奖之学术发展奖（全国唯一获奖者）、2016年国家优秀自费留学生奖等多项荣誉。

Neural Networks为神经网络领域国际权威期刊之一，2021年最新影响因子9.66。主要发表计算机和人工智能相关的技术文章。CiteScore排名神经科学大类的认知神经科学子类2/107，人工智能子类19/269。

论文链接：https://www.sciencedirect.com/science/article/pii/S0893608022004440