NeuroCircuitry-Inspired Hierarchical Graph Causal Attention Networks for Explainable Depression Identification¶

会议: ICLR 2026
arXiv: 2511.17622
代码: GitHub
领域: 医学图像
关键词: 脑网络图神经网络, 抑郁症识别, 因果注意力, 层次化回路编码, 可解释AI

一句话总结¶

提出 NH-GCAT 框架，将神经科学中的抑郁症神经环路先验知识显式融入 GNN，在区域、环路和网络三个空间尺度上建模，在 REST-meta-MDD 数据集上取得 SOTA 分类效果（AUC 78.5%、ACC 73.8%），并提供与神经科学相符的可解释性分析。

研究背景与动机¶

重性抑郁障碍（MDD）影响全球数百万人，fMRI 揭示的脑网络拓扑天然适合用图模型描述。现有 GNN 方法存在两大瓶颈：

准确率受限：将脑区等同对待、仅依赖静态功能连接（FC），忽略了时间动态和 MDD 特异性改变

可解释性差：缺少对脑网络层次组织和神经环路因果关系的显式建模，post-hoc 解释方法无法对齐神经科学知识

神经科学发现 MDD 病理在三个空间尺度上表现不同： - 局部区域：低频 BOLD 振荡异常（与反刍思维相关） - 环路水平：DMN、SN、FPN、LN、RN 各环路特异性失调 - 全脑网络：环路间因果信息流异常

现有方法要么只做数据驱动的黑盒分类，要么只在某一尺度引入先验，没有系统地跨尺度整合神经科学知识。

方法详解¶

整体框架¶

NH-GCAT 要解决的是：怎么把神经科学里"抑郁症在不同空间尺度上各有异常"的先验，显式塞进一个端到端可训练的 GNN，既提分类又能解释。它的做法是把脑区→环路→全脑三个尺度串成三级层次模块，每一级的输出喂给下一级：

RG-Fusion（残差门控融合）：局部脑区尺度——融合时序 BOLD 动态与静态功能连接（FC），产出节点表示
HC-Pooling（层次化环路编码）：多区域环路尺度——把节点按 DMN/SN/FPN/LN/RN 五大抑郁环路聚合成环路嵌入
VLCA（变分潜因果注意力）：多环路网络尺度——推断环路间有向信息流，用反事实对照量化因果效应，最后给出分类

问题形式化：给定 N 个受试者的 rs-fMRI，提取静态特征 \(\mathbf{X}^{(1)} \in \mathbb{R}^{n \times m}\)（FC + 人口学变量）和 BOLD 时序 \(\mathbf{X}^{(2)} \in \mathbb{R}^{n \times T}\)，构建图 \(\mathcal{G} = (\mathcal{V}, \mathcal{E}, \mathbf{X}^{(1)}, \mathbf{X}^{(2)})\)，学习 \(f: \mathcal{G} \to \{0, 1\}\)。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400, 'subGraphTitleMargin': {'top': 8, 'bottom': 16}}}}%%
flowchart TD
    IN["rs-fMRI 输入<br/>静态特征 X¹（FC+人口学）<br/>+ BOLD 时序 X²"]
    subgraph RG["RG-Fusion：残差门控融合（脑区尺度）"]
        direction TB
        T["时序路径<br/>BOLD→Transformer→双路图卷积"]
        S["静态路径<br/>静态特征→MLP→GATConv"]
        T --> G["门控自适应配比<br/>+ Feature/Node 注意力 + 残差"]
        S --> G
        G --> VE["变分编码器<br/>→ 节点表示 Z_ve"]
    end
    subgraph HC["HC-Pooling：层次化环路编码（环路尺度）"]
        direction TB
        P["按神经解剖划进 5 大环路<br/>+ 门控重构环路邻接（个体/MDD/HC 先验）"]
        P --> TD["top-down Gumbel-Softmax<br/>软分配到三层次"]
        TD --> BU["bottom-up ChildSumTreeLSTM<br/>逐级聚合 → 环路嵌入 H_DMN…H_RN"]
    end
    subgraph VL["VLCA：变分潜因果注意力（网络尺度）"]
        direction TB
        AT["5 环路注意力 → 真实潜表示 z_real"]
        CF["单位矩阵切断交互 → 反事实 z_cf"]
        AT --> EF["相减估计因果效应<br/>y_effect = f(z_real) − f(z_cf)"]
        CF --> EF
    end
    OUT["MDD/HC 分类<br/>+ 因果环路可解释性"]
    IN --> RG
    VE --> HC
    BU --> VL
    EF --> OUT

关键设计¶

1. RG-Fusion：用残差门控把 BOLD 时序动态和静态功能连接融到一起

最底层（脑区尺度）的痛点是：以往方法只看静态 FC，丢掉了真正有判别力的低频 BOLD 振荡（0.01–0.08 Hz，与反刍思维相关）。RG-Fusion 因此走双路径并行：时序路径把 BOLD 信号送进 Transformer Encoder 得到 \(\mathbf{H}_{\text{temp}}\)，与静态特征拼接后过双路图卷积（SAGEConv + GATConv）得到 \(\mathbf{Z}_{\text{temp}}\)；静态路径把静态特征过 MLP 后经 GATConv 得到 \(\mathbf{Z}_{\text{static}}\)。两路不是简单相加，而是用一个可学习门控自适应配比——\(\mathbf{G} = \sigma(\mathbf{W}_g[\mathbf{Z}_1 | \mathbf{Z}_2] + \mathbf{b}_g)\)，\(\mathbf{Z}_{\text{fused}} = \mathbf{G} \odot \mathbf{Z}_1 + (1-\mathbf{G}) \odot \mathbf{Z}_2\)，让模型按节点决定信任时序还是静态信息。最后再经 FeatureAttention → NodeAttention 得到 \(\mathbf{H}_{\text{attn}}\)，与 \(\mathbf{Z}_{\text{temp}}\) 残差门控融合、拼接 \(\mathbf{Z}_{\text{static}}\)，送入变分编码器得到节点表示 \(\mathbf{Z}_{\text{ve}}\)。门控+残差的组合既保住了原始信号，又能放大那段最有信息量的低频成分。

2. HC-Pooling：按神经解剖先验把脑区聚成五大环路，再做双向层次聚合

中层（环路尺度）要回答的问题是：116 个脑区不该被等同对待，MDD 的失调是按环路发生的。HC-Pooling 先依神经解剖知识把 AAL-116 脑区划进 DMN/SN/FPN/LN/RN 五大抑郁相关环路；再重构每个环路的邻接矩阵——用可学习门控融合个体 FC、MDD 组均值 FC 和 HC 组均值 FC，\(\mathbf{A}^{(c_j)} = \sum_{k=1}^{3} \text{softmax}(\text{MLP}(\mathbf{Z})) \cdot \mathbf{A}_k\)，把组别先验注入个体图。环路内部再做两步层次处理：top-down 用 Gumbel-Softmax 把节点软分配到高层整合 / 中间处理 / 初级处理三个层次，bottom-up 再用 ChildSumTreeLSTM 从最底层逐级向上聚合，输出各环路的综合嵌入 \(\mathbf{H}_{\text{DMN}}, ..., \mathbf{H}_{\text{RN}}\)。这一步把"哪些脑区在环路里扮演整合枢纽"显式建模出来，正是后面发现"MDD 的 DMN 被过多分配到高层"这类病理对应的来源。

3. VLCA：用反事实注意力估计环路间的因果信息流

顶层（全脑网络尺度）的目标是刻画五大环路之间谁在驱动谁，而普通注意力只能给出相关、给不出因果。VLCA 先对 5 个环路嵌入算 Q/K/V 得到真实注意力权重 \(\mathbf{A}^{\text{real}}\)，把注意力加权表示编码到连续潜空间 \(\mathbf{z}^{\text{real}} = \boldsymbol{\mu}^{\text{real}} + \boldsymbol{\sigma}^{\text{real}} \odot \boldsymbol{\epsilon}\)；关键在于它再做一次反事实——用单位矩阵替换注意力矩阵、切断环路间交互，得到 \(\mathbf{z}^{\text{cf}}\)。两者过同一预测头相减 \(\mathbf{y}^{\text{effect}} = f_{\text{pred}}(\mathbf{z}^{\text{real}}) - f_{\text{pred}}(\mathbf{z}^{\text{cf}})\)，就量化出"环路间交互究竟贡献了多少分类效应"。这种"有交互 vs 切断交互"的对照，比 post-hoc 注意力可视化更接近因果证据，也让 VLCA 揭示的 DMN→SN、RN→DMN 等有向通路有了可解释依据。

损失函数 / 训练策略¶

总损失为四项加权和：

\[\mathcal{L} = \mathcal{L}_{\text{cls}} + \lambda_{\text{kl}} \mathcal{L}_{\text{kl}} + \lambda_{\text{VLCA}} \mathcal{L}_{\text{VLCA}} + \lambda_{\text{mse}} \mathcal{L}_{\text{mse}}\]

\(\mathcal{L}_{\text{cls}}\)：MDD/HC 二分类交叉熵
\(\mathcal{L}_{\text{kl}}\)：变分编码的 KL 正则
\(\mathcal{L}_{\text{VLCA}}\)：因果效应的分类损失 + KL 散度
\(\mathcal{L}_{\text{mse}}\)：约束学习到的邻接矩阵与组别先验 FC 一致

使用 Adam 优化器 + 梯度裁剪，正则项动态权重调度。隐藏层 128 维，因果注意力 64 维单头。在 NVIDIA RTX 4090 上训练。

实验关键数据¶

主实验¶

数据集：REST-meta-MDD，16 个采集站点，1601 人（830 MDD + 771 HC），AAL-116 脑区。

模型	AUC	ACC	SEN	SPE	F1
LCCAF	75.6 (1.0)	70.2 (8.3)	69.7 (2.7)	70.7 (2.1)	-
BPI-GNN	-	73.0 (1.0)	-	-	72.0 (1.0)
GAT-Baseline	71.5 (3.2)	67.7 (2.7)	77.5 (9.1)	57.2 (9.4)	71.2 (3.3)
NH-GCAT	78.5 (1.7)	73.8 (1.4)	76.4 (5.8)	71.0 (6.6)	75.0 (1.8)
提升	+2.9	+0.8	-1.1	+0.3	+2.4

LOSO-CV 跨站泛化：16 站加权平均 ACC = 73.3%，超过 CI-GNN（69.2%）和 BrainIB（68.8%）。

方法	加权平均 ACC
CI-GNN	69.2%
BrainIB	68.8%
NH-GCAT	73.3%

消融实验¶

模型变体	AUC	ACC	SPE	F1
GAT-Baseline	71.5	67.7	57.2	71.2
+ RG-Fusion	74.8 (+3.3)	70.2 (+2.5)	70.6 (+13.4)	70.5
+ VLCA	75.9 (+1.1)	72.0 (+1.8)	68.2	73.6 (+3.1)
+ HC-Pooling (完整)	78.5 (+7.0)	73.8 (+6.1)	71.0 (+13.8)	75.0 (+3.8)

三个模块逐步叠加，AUC 累计提升 7.0%，特异性提升 13.8%（p<0.05 统计显著）。

关键发现¶

低频振荡验证：RG-Fusion 模块在低频输入（0.01–0.08 Hz）上 AUC=0.742，显著高于高频（0.1–0.25 Hz）的 0.679（p=0.0037）
层次化分配：HC-Pooling 发现 MDD 患者 DMN 区域（如内侧额上回）被过多分配到高层，与病理性反刍一致；FPN 区域高层分配减少，提示认知控制受损
因果环路分析：VLCA 揭示 MDD 中 DMN→SN 调控减弱、RN→DMN 输入异常增强等模式，与核心抑郁症状对应

亮点与洞察¶

三尺度建模范式：首次在 region / circuit / network 三层同时引入神经科学先验，不同于以往只在单一尺度加约束
反事实因果推理：VLCA 通过"切断环路交互"的反事实实验估计因果效应，比 post-hoc 注意力可视化更有说服力
临床可解释性强：所有模块的中间结果都可映射到已知的神经科学发现，而非黑盒中间表示

局限与展望¶

仅在 REST-meta-MDD 单一数据集验证，未在 ABIDE（自闭症）等其他精神疾病数据上测试泛化性
5 大环路的划分基于先验知识，不同疾病可能需要不同的环路定义
时间分辨率受限于 fMRI 的 TR（~2s），无法捕获更快速的神经动态
部分站点表现不稳定（如 Site 8 下降 11.2%），跨站域偏移仍需进一步处理

评分¶

新颖性：★★★★☆ — 三尺度神经科学先验融合是显著的方法创新
技术深度：★★★★☆ — 三个模块设计精细，数学严谨
实验充分度：★★★☆☆ — 仅一个数据集，但消融和可解释性分析非常充分
写作质量：★★★★☆ — 结构清晰，图文配合好