Description du prompt

Le sous-module de convolution de diffusion sert d'unité centrale d'extraction de caractéristiques spatiales au sein du module de modélisation dynamique spatio-temporelle. Sa fonction principale consiste à utiliser la matrice d'adjacence dynamique creuse générée par le sous-module de construction de graphe dynamique pour réaliser une diffusion dirigée multi-ordre et une agrégation multi-échelle des caractéristiques des nœuds sur la topologie dynamique. Cela capture précisément les connexions fonctionnelles non linéaires et les dépendances spatiales multi-sauts entre les électrodes. Il s'adapte également aux caractéristiques directionnelles de la transmission neuronale du signal EEG, compensant la perte d'informations de directionnalité dans les convolutions de graphes spectraux traditionnelles. Ce module forme une connexion étroite avec le sous-module de construction de graphe dynamique via "génération de topologie - diffusion de caractéristiques". Le graphe dynamique fournit des contraintes d'association spatiale spécifiques à l'échantillon, tandis que la convolution de diffusion complète la modélisation spatiale profonde des caractéristiques sur la base de ces contraintes. (1) Itération de diffusion dirigée multi-ordre Soit l'ordre de diffusion (un hyperparamètre), le tenseur de caractéristiques d'entrée (où est la taille du lot, est le nombre de canaux de caractéristiques, est le nombre de nœuds/électrodes et est le nombre d'étapes temporelles), et la matrice d'adjacence dynamique (générée par le sous-module de construction de graphe dynamique via un double chemin "guidé par des connaissances a priori + piloté par les données" et optimisée par une sparsification Top-K). Le processus de diffusion est effectué de manière itérative, et la formule de propagation des caractéristiques pour la itération (k=1,2,...,K) est : (3-9) où, est la caractéristique d'entrée initiale ; est l'opérateur de multiplication tensorielle basé sur la convention de sommation d'Einstein, qui est utilisé pour réaliser l'opération matricielle par lots des caractéristiques et de la matrice d'adjacence, et son expression de calcul d'élément spécifique est : (3-10) Cette équation reflète clairement la directionnalité et les caractéristiques de pondération du processus de diffusion : la caractéristique de diffusion d'ordre du nœud dans l'échantillon , le canal , et l'étape temporelle est la somme pondérée des caractéristiques d'ordre de tous ses nœuds prédécesseurs avec l'élément de la matrice d'adjacence comme poids. Le poids est généré par le sous-module de construction de graphe dynamique et représente directement la force d'association dirigée du nœud au nœud (telle que la probabilité que les signaux neuronaux soient transmis de l'électrode à l'électrode ), correspondant parfaitement aux caractéristiques de transmission directionnelle des signaux neuronaux EEG. Il est important de noter que, étant donné que le sous-module de construction de graphe dynamique a supprimé les connexions faibles redondantes grâce à l'optimisation de la sparsification Top-K, est une matrice creuse. Le processus de sommation ci-dessus n'a besoin de calculer que les voisins Top-K fortement corrélés de chaque nœud, ce qui réduit considérablement la complexité de calcul de la diffusion multi-ordre et évite les interférences de bruit provenant des connexions faibles. (2) Fusion de caractéristiques multi-échelle Après itérations de diffusion, tenseurs de caractéristiques de différentes échelles sont obtenus, , ,..., (chaque tenseur a une dimension de , correspondant aux résultats d'agrégation de caractéristiques des voisins du 1er au ordre - c'est-à-dire que intègre les informations des voisins directs, intègre les informations des voisins à 2 sauts, et ainsi de suite. Afin d'intégrer pleinement les informations spatiales multi-échelles et d'éviter les limitations des caractéristiques à une seule échelle, ces tenseurs de caractéristiques sont d'abord concaténés le long de la dimension du canal de caractéristiques pour obtenir le tenseur de caractéristiques concaténées : (3-11) où est l'opérateur de concaténation de la dimension du canal. Après la concaténation, , et son nombre de canaux est fois le nombre initial de canaux, intégrant des informations de caractéristiques spatiales multi-gam