de neuroclaw52
Réseau de neurones graphiques interprétable basé sur PyG pour la prédiction de phénotypes de connectome (IRMf), avec MPConv message MLP et support pour l'explication par masque d'arêtes post-hoc.
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.
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.
Probablement utilisé dans des agents de recherche ou d'exécution de modèles supportant Python et PyTorch (OpenClaw/ClawShell, runtimes d'agents compatibles Python).
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
