基于多模态超图流匹配的结构-功能脑连接生成

arXiv:2610.02722v1 公告类型：新 摘要：结构连接（SC）和功能连接（FC）提供了关于脑区间相互作用的互补信息，广泛应用于神经精神疾病的神经影像学研究。生成式建模能够缓解大规模配对 SC-FC 数据的稀缺问题，但现有方法通常使用只能捕捉二元相互作用的成对图，并且往往独立生成 SC 和 FC，从而限制了高阶结构-功能关系的保留。我们提出了多模态超图流匹配（MHG-FM）框架，用于联合生成 SC-FC 连接并实现跨模态转换。MHG-FM 构建模态特定的超图，利用超图神经网络（HGNN）编码器学习高阶表示，并通过双向交叉模态融合实现双向跨模态融合。变分自编码器将融合后的表示映射到紧凑的潜在空间，在该空间中，条件流匹配通过潜在传输实现连接合成和多模态转换。在 Human Connectome Project Young Adult（HCP-YA）数据集上的实验表明，与多个最先进的基线方法相比，MHG-FM 在重建质量、拓扑保持、分布相似性和 SC-FC 耦合方面均表现更优，同时其采样速度约为匹配的扩散骨干网络的 8 倍。