IBGNN (Interpretable Brain GNN)

Ce qu'il fait

IBGNN (Interpretable Brain Graph Neural Network) fournit une implémentation PyTorch-Geometric pour la prédiction de phénotypes basée sur le connectome. Il remplace le passage de messages GCN standard par un MPConv basé sur MLP qui calcule des messages à partir de [x_i, x_j, edge_attr], permettant une représentation plus riche sensible aux arêtes et supportant les flux de travail d'explication par masque d'arêtes. La réimplémentation de NeuroClaw se concentre sur l'encodeur et les pipelines d'entraînement pour les tâches de classification et de régression sur les connectomes IRMf.

Quand l'utiliser

Utilisez IBGNN lorsque vous devez prédire les phénotypes de sujets (ex: diagnostic, âge, genre) à partir de graphes de connectivité cérébrale et que vous souhaitez des insights interprétables au niveau des arêtes. Approprié pour les expériences de recherche, les comparaisons de modèles, ou lorsque vous avez besoin d'un GNN qui supporte nativement l'analyse d'attention/importance des arêtes sur des entrées de type connectome.

Ce qui est inclus

• Scripts : scripts de référence pour l'entraînement sous skills/ibgnn/scripts (commandes de démarrage rapide fournies)
• Références : référence au papier et lien vers l'implémentation officielle (Cui et al., 2022 ; repo officiel lié)
• Instructions : détails de l'architecture, hyperparamètres recommandés, notes de compatibilité PyG et choix d'implémentation spécifiques à NeuroClaw (edge_attr.abs, suppression de edge_flag, valeurs d'entraînement par défaut).

Agents compatibles

Probablement utilisé dans des agents de recherche ou d'exécution de modèles supportant Python et PyTorch (OpenClaw/ClawShell, runtimes d'agents compatibles Python).