杜宇慧教授团近期在《Pattern Recognition》期刊上发表文章《A graph transformer-based foundation model for brain functional connectivity network》。该期刊在中科院SCI分区为：计算机科学1区（大类），影响因子7.6。论文第一作者为王玉龙（单位：山西大学计算机与信息技术学院），通讯作者为杜宇慧（单位：山西大学计算机与信息技术学院），合作作者为Vince D. Calhoun（单位：Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, Emory University）、Godfrey D Pearlson（单位：Departments of Psychiatry and Neurobiology, Yale University）、Peter Kochunov（单位：Maryland Psychiatric Research Center and Department of Psychiatry, University of Maryland）、以及Theo G.M. van Erp（单位：Department of Psychiatry and Human Behavior, School of Medicine, University of California）。该研究获得国家自然科学基金（62076157、6170253）、国家自然科学基金（2112455）、美国国立卫生研究院（R01MH123610）资助。

脑功能连接（FC）分析是理解脑功能的核心，在神经科学中得到广泛应用。本研究提出了一个脑功能连接网络（FCN）分析的基础模型，该模型使用图Transformer来捕获复杂的节点和边关系。特定于任务的解码器能够适应各种下游任务。研究有三个主要贡献：

1. 建立了脑FCN分析的基础模型。它使用基于图Transformer的自编码器，联合对节点和边缘嵌入进行编码，以捕获复杂的连接模式。

2. 设计了一个灵活的框架，集成了特定任务的解码器，使高效的迁移学习能够用于各种临床脑网络分析任务，包括性别分类、精神障碍诊断、脑年龄预测和生物型识别。

3. 在共10,718次扫描的9个大规模数据集上验证了我们模型的有效性和可解释性，证明了在多个具有挑战性的任务中的性能提高，并说明了其可靠的临床应用和生物标志物发现的潜力。