克日，，，，，，，，我院黄铠教授团队在自然旗下期刊 Scientific Reports 揭晓题为“Graph-generative neural network for EEG-based epileptic seizure detection via discovery of dynamic brain functional connectivity”的文章。。。。。。。。该事情由来自优德官网、香港中文大学（深圳）、纽约州立大学、天普大学与中科云盘算研究院的五位作者相助完成，，，，，，，，通过人工智能模子，，，，，，，，为脑神经疾病的剖析与检测作出了主要孝顺。。。。。。。。

文章提出一种新的图天生神经网络（GGN）模子，，，，，，，，用于描绘动态脑功效毗连强度与转变，，，，，，，，并用于脑电图（EEG）的多种癫痫爆发类型的检测。。。。。。。。GGN针对头皮EEG在剖析动态脑功效毗连的时空区分率较低这一问题提出了新的解决计划，，，，，，，，在7种癫痫发病类型检测使命中取得了凌驾90%的准确率。。。。。。。。除了癫痫以外，，，，，，，，该事情还可以为神经科学家提供其他神经系统疾病的剖析与监测，，，，，，，，如阿尔茨海默病和精神破碎症等脑神经疾病。。。。。。。。

论文链接：Li Z, Hwang K, Li K, Wu J, and Ji T. “Graph-generative neural network for EEG-based epileptic seizure detection via discovery of dynamic brain functional connectivity”. Springer Nature - Scientific Reports. Nov 8, 2022. (https://www.nature.com/articles/s41598-022-23656-1)

期刊先容

Scientific Reports是自然旗下一本开放获取的JCI Q1期刊。。。。。。。。期刊揭晓来自自然科学、心理学、医学和工程学各个领域的原创研究，，，，，，，，Scientific Reports是全球第五大被引用期刊，，，，，，，，2021年被引用凌驾696,000次，，，，，，，，在政策文件和媒体中受到普遍关注。。。。。。。。该杂志每月约有240万至270万名读者。。。。。。。。该期刊在Web of Science、PubMed、PubMedCentral、Scopus、Dimensions、Google Scholar，，，，，，，，DOAJ和SAO/NASA ADS中均有索引。。。。。。。。

研究配景

神经系统疾病是全球报告的导致残疾的主要缘故原由之一，，，，，，，，是一个严重的医疗问题，，，，，，，，迫切需要有用的解决计划和治疗妄想。。。。。。。。全球有5000万人保存周期性癫痫爆发，，，，，，，，8000万人面临阿尔茨海默氏病。。。。。。。ˋD）引起的痴呆问题，，，，，，，，凌驾2500万人患有精神破碎症。。。。。。。。这些疾病影响了患者的生涯与事情，，，，，，，，造成情绪抑郁、身体残疾，，，，，，，，甚至引发殒命。。。。。。。。这些神经系统疾病与大脑重大的功效毗连有关，，，，，，，，可通过头皮脑EEG信号举行检测和剖析。。。。。。。。表1展示了2022年全球主要脑神经障碍疾病的情形。。。。。。。。全天下有1.65亿人正遭受着脑神经障碍疾病的困扰，，，，，，，，约占全球总生齿的2.1%。。。。。。。。

表1. 全球主要脑神经障碍疾病一览

该事情主要聚焦于基于头皮EEG的癫痫疾病诊断。。。。。。。。古板的信号处置惩罚要领和经典的神经网络模子，，，，，，，，如RNN、CNN、GNN和transformer等，，，，，，，，通过将EEG信号作为时间序列数据或多通道图像，，，，，，，，证实晰其在癫痫爆发检测和分类中的重大潜力。。。。。。。。然而，，，，，，，，这些模子缺乏以提取EEG信号的动态空间信息，，，，，，，，而动态空间信息关于表征隐藏在脑叶差别区域的大脑功效毗连问题的瞬态特征至关主要。。。。。。。。

为相识决以上问题，，，，，，，，作者提出了一种基于概率的图天生要领，，，，，，，，使用对分类使命的监视历程来学习差别时刻脑功效毗连的强度，，，，，，，，并使用注重力机制来提高脑功效图天生的准确性。。。。。。。。模子通过深入剖析从患者头皮差别区域纪录的EEG信号动态捕获，，，，，，，，天生大脑功效毗连图，，，，，，，，用于提取多种癫痫爆发模式的时空信息。。。。。。。。

研究内容

研究团队在3047例癫痫爆发病例的真实临床数据中举行了实验（如图1所示）。。。。。。。。使用EEG信号的时空信息，，，，，，，，该框架主要有两个目的: 1.对癫痫发病的7种类型举行检测分类；；；；；；；2.描绘动态脑功效毗连图的强度和转变。。。。。。。。

 图1.基于头皮EEG的癫痫展望框架。。。。。。。。提取时空信息举行癫痫发病类型展望和动态脑功效毗连图天生。。。。。。。。7种发病类型包括：FN，，，，，，，，GN，，，，，，，，SP，，，，，，，，CP，，，，，，，，AB，，，，，，，，TN，，，，，，，，TC。。。。。。。。GGN能够展望小时间窗口下的动态脑功效毗连图

图2展示了GGN模子在第一个目的（7种癫痫分类）上和其它主流模子（SVM，，，，，，，，CNN，，，，，，，，GNN，，，，，，，，Tranformer）的性能比照。。。。。。。？？？？？？梢韵宰趴闯觯，，，，，，，GGN抵达了91%的准确率，，，，，，，，远高于CNN（65%）、GNN（74%）和Transformer模子（82%）的准确率。。。。。。。。在图2左边可以看出，，，，，，，，GGN在7种癫痫分类展望上的ROC-AUC曲线，，，，，，，，都凌驾95%的准确率，，，，，，，，其中，，，，，，，，AB与TN抵达了100%的效果。。。。。。。。

图 2. 五种机械学习与深度学习模子的性能比照：SVM （Support Vector Machine），，，，，，，， CCN（Convolutional Neural Network）, Transformer，，，，，，，，与 GGN（Graph-Generative Neural Network）

除了检测或分类使命，，，，，，，，大脑功效毗连多年来一直是很是热门的研究课题。。。。。。。。在很是小的时间窗口内展现准确的脑功效毗连图关于模拟与神经系统疾病相关的大脑运动至关主要。。。。。。。。只管fMRI可以检测到毗连的转变，，，，，，，，但仅通过低本钱无创的头皮脑电图来探讨癫痫患者大脑运动的实质机制仍然是一个悬而未决的问题。。。。。。。。

GGN 通过捕获空间和时间特征，，，，，，，，获取高区分率动态功效毗连图。。。。。。。。如图3所示，，，，，，，，作者比照了使用MIC获得的20个通道EEG信号的关联图（左边方形）和基于概率天生的脑功效图（右边圆形），，，，，，，，验证了基于概率的天生图的合理性。。。。。。。。差别颜色和毗连边沿宽度代表了四个脑叶之间正常和异常功效毗连的强度。。。。。。。。图3第一行中，，，，，，，，即FN患者爆发时代，，，，，，，，展现出下场部强关联性，，，，，，，，这与临床上的诊断效果一致。。。。。。。。图3第二行展示了GN患者在发病时代的大面积脑电信号的异常，，，，，，，，全局都有较强的关联性，，，，，，，，也吻合临床和其它研究的效果。。。。。。。。

图3.癫痫FN患者和GN患者发病信号差别的Association Maps和GGN天生的动态脑功效毗连图比照

GGN可以检测癫痫爆发差别阶段功效毗连的转变。。。。。。。。作者将这种动态连通性称为时空连通性。。。。。。。。与Pearson correlation或MIC等关联图只能在牢靠的大时间窗口内检测线性相关关系相比，，，，，，，，GGN通过使用小时间窗口可以更准确地检测。。。。。。。。图4展示了GGN检测到的一名FN患者病情爆发时的动态脑功效毗连图，，，，，，，，其中爆发最先于31秒，，，，，，，，竣事于128秒。。。。。。。。图4b显示了在四个主瓣中着色的20个电极的Gamma波段中的频率动态。。。。。。。。在爆发时代，，，，，，，，天生的脑功效毗连图反应下场部链接强度的转变。。。。。。。。

图4.FN癫痫患者EEG信号在4个小时间窗口（5秒）上天生的动态脑功效毗连图。。。。。。。；；；；；；；颊咴诘1窗口正常，，，，，，，，第2窗口癫痫最先，，，，，，，，第3窗口病情进入岑岭，，，，，，，，第4窗口病情恢复清静。。。。。。。。 

研究结论

该研究效果为脑科专家提供了一个机械学习框架，，，，，，，，以自动化地准确识别癫痫爆发的多种类型。。。。。。。。这种基于人工智能的要领可以增强神经学临床诊断，，，，，，，，提高准确性。。。。。。。。由于较快的推理速率，，，，，，，，训练后的模子还可以嵌入到AI芯片中，，，，，，，，以提供临床的实时辅助诊断。。。。。。。。其次，，，，，，，，作者提出的图天生神经网络要领为展现大脑功效毗连异常提供了一种新工具。。。。。。。。同时，，，，，，，，提出的图天生要领可以增强其他神经网络，，，，，，，，如CNN，，，，，，，，GNN和Transformer等的时空特征提取能力。。。。。。。。

最后，，，，，，，，该事情可以被神经科学家应用于研究其他神经系统疾病中大脑功效毗连的剖析，，，，，，，，如阿尔茨海默病和精神破碎症等。。。。。。。。无侵入式的头皮EEG的低区分率会阻碍对这些疾病中脑功效毗连的准确剖析，，，，，，，，而使用论文中所提出的图天生方规则有助于准确发明具有小视察窗口的功效连通性，，，，，，，，为脑科学家提供了一种全新的剖析工具，，，，，，，，以降低使用颅内电极EEG的腾贵用度以及侵入式的损害危害。。。。。。。。

作者简介

本文第一作者李政道是香港中文大学（深圳）理工学院博士生，，，，，，，，师从黄铠教授。。。。。。。。他在北京邮电大学信息与通讯工程学院取得电子与通讯工程学士和硕士学位，，，，，，，，之后在北京百度公司从事大数据和云盘算事情，，，，，，，，任高级工程师，，，，，，，，曾获得百度云盘算之星奖、重大突破奖。。。。。。。。他的主要研究偏向为图机械学习，，，，，，，，漫衍式云盘算和大数据应用系统。。。。。。。。博士论文专注于图机械学习及其在交通、医疗等偏向的应用。。。。。。。。

本文通讯作者黄铠教授，，，，，，，，伯克利加州大学盘算机科学博士。。。。。。。；；；；；；；祁淌谠诿拦霞哟笥肫斩纱笱谓潭嗄辏，，，，，，，2018年加入香港中文大学（深圳）担当校长讲座教授，，，，，，，，兼任优德官网高性能智能盘算中心主任。。。。。。。。他在盘算机结构、并行处置惩罚、云盘算与物联网方面著作等身，，，，，，，，桃李满天下。。。。。。。。被评选入全球2%顶级科学家。。。。。。。。他揭晓了10部专著，，，，，，，，以及300多篇学术论文，，，，，，，，被Google Scholar引用凌驾23300次。。。。。。。。2005年获中国盘算机学会CCF首届外洋优异孝顺奖，，，，，，，，2012年获天下云盘算大会（CloudCom）终身成绩奖。。。。。。。。2019年获全球华人影响力盛典揭晓的开国70年科技立异成绩奖，，，，，，，，2020年团队获得吴文俊人工智能自然科学奖。。。。。。。。

本文其他作者包括李克勤教授，，，，，，，，他是纽约州立大学（SUNY）讲席教授、欧洲科学院院士、IEEE Fellow、AAIA Fellow。。。。。。。。李教授于1985年获得清华大学盘算机科学学士学位，，，，，，，，1990年于休斯敦大学获得盘算机科学博士学位。。。。。。。。2010年获得SUNY优异教授奖章。。。。。。。。李克勤教授在多个期刊和聚会获得最佳论文奖，，，，，，，，包括PDPTA 1996、NAECON 1997、IPDPS 2000、ISPA 2016、NPC 2019、ISPA 2019、CPSCom 2022。。。。。。。。他被斯坦福大学列为天下前2%科学家。。。。。。。。

本文其他作者包括吴杰教授，，，，，，，，他现在在天普大学（Temple University）盘算机与信息科学系任 Laura H. Carnell讲席教授。。。。。。。。他是AAAS Fellow、 IEEE Fellow。。。。。。。。吴杰教授曾于2011年获得CCF外洋优异孝顺奖，，，，，，，，也曾获得多个最佳论文奖，，，，，，，，包括MASS2016、IWQoS 2016等。。。。。。。。他曾主持IEEE Technical Committee on Distributed Processing与许多国际聚会，，，，，，，，包括IEEE IPDPS’08、IEEE DCOSS’09、IEEE ICDCS’13、ACM MobiHoc’14、ICPP’16、IEEE CNS’16、WiOpt’21、ICDCN’22。。。。。。。。

本文其他作者包括季统凯，，，，，，，，他是香港中文大学（深圳）兼职教授，，，，，，，，中科云盘算中心主任，，，，，，，，广东电子工业研究院院长、国云科技股份有限公司董事长。。。。。。。。他曾获得2010年度中国产学研相助立异奖、中国科学院院地相助奖先进小我私家一等奖。。。。。。。。2011年中国科学院授权他在松山湖国家高新区组建全院唯一的云盘算中心。。。。。。。。他向导团队自主开发云操作系统（G-CLOUD）。。。。。。。。季教授在海内外主要聚会及期刊上揭晓论文40多篇，，，，，，，，向导团队申请发明专利500多项，，，，，，，，申请国际发明专利（PCT）近20项。。。。。。。。他加入黄铠教授的研究团队，，，，，，，，于2020年获得吴文俊人工智能自然科学奖。。。。。。。。