Learning Similarity-Preserving Representations of Brain Structure-Function Coupling

Advances in graph signal processing for network neuroscience offer a unique pathway to integrate brain structure and function, with the goal of revealing some of the brain's organizing principles at the system level. In this direction, we develop a supervised graph representation learning frame...

Celý popis

Podrobná bibliografie

Vydáno v:	2022 30th European Signal Processing Conference (EUSIPCO) s. 922 - 926
Hlavní autoři:	Li, Yang, Mateos, Gonzalo
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	EUSIPCO 29.08.2022
Témata:	Brain connectomics Convolution Couplings graph convolutional network graph representation learning Network analyzers Pipelines Representation learning Siamese network Training Training data
ISSN:	2076-1465
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!