/SNN4DepressionPrediction

Systems and Computational Neuroscience.(UCAS 2023)

Primary LanguagePython

基于脉冲神经网络的抑郁症风险预测与可解释性分析

项目用途

**科学院大学 2023秋季学期 系统与计算神经科学
BrainCog Brainnetome Atlas

贡献者(排名不分先后)

霍育福 肖展琪 解森炜 南佳霖 张嘉峻

数据与环境配置

数据集

可以调节您自己的路径: load_path.py
所用数据集为: depression_ds002748

.
├─SNN4DepressionPrediction
│  └─BN_Atlas
├─connection_matrix
└─depression_ds002748
    ├─sub-01
    │  ├─anat
    │  └─func
    ├─ ... ...

运行环境

Device Info
CPU AMD Ryzen 7 5800H with Radeon Graphics 16.0 GB
GPU GeForce 3060 Laptop GPU; Driver Version: 512.36;CUDA Version: 11.6
OS Windows 11

依赖环境

# Python 3.11.4
pip install braincog
pip install nibabel
pip install nilearn
pip install matplotlib
pip install yaml
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install tqdm

程序运行

基于脑网络组图谱生成每名受试者的功能连接矩阵(并行计算 可根据实验机器情况调整): python functional_connection.py
更改超参数: config.yaml
更改聚合类型并运行脉冲神经网络: python run.py

运行结果

Aggregation Type AUC LogLoss
Lobe 0.8809523809523809 0.5515018714141696
Gyrus 0.8711484593837535 0.5555866610637409

以脑叶为聚合层面, 训练过程中的损失函数变化值如下图所示: Lobe Train Loss