热点事件持续更新
研究者提出脑网络反事实增强框架CFBrainAug
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月26日，研究人员在 arXiv 上提出了面向可解释 fMRI 自闭症诊断的反事实脑网络学习框架 CFBrainAug。该框架将数据增强与反事实解释相结合，通过在模块数约束下构建标签相反且拓扑相似的网络来进行诊断。实验结果显示，该方法使轻量级特征选择支持向量机（SVM）在 ABIDE I 数据集的 NYU 站点上达到了 74.1% 的准确率，性能可比肩图深度学习方法。同时，该模型还能通过识别脑网络连接差异，为诊断提供内在的临床解释。
AI 根据报道生成 · 5 小时前更新
最新进展10月26日 12:00
研究者提出CFBrainAug框架，轻量级SVM在自闭症诊断数据集上准确率达74.1%。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 机器学习CFBrainAug：面向可解释 fMRI 自闭症诊断的模块度诱导反事实脑网络增强框架
研究人员提出反事实脑网络学习框架 CFBrainAug，通过在模块数约束下构建标签相反且拓扑相似的网络，将数据增强与反事实解释结合用于自闭症诊断。该方法使轻量级特征选择 SVM 在 ABIDE I 数据集的 NYU 站点达到 74.1% 的准确率，性能比肩图深度学习方法。此外，模型还能通过识别脑网络连接差异提供内在临床解释。
本事件热度走势
当前热度 9·可比范围峰值 10（10月26日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。