본 논문은 기능적 자기공명영상(fMRI)을 통해 기능적 뇌 네트워크를 분석하여 정신 질환 행동을 이해하는 데 중점을 둡니다. 기존의 fMRI 기반 그래프 신경망(GNNs)의 한계를 극복하기 위해, k-hop AGE-GCN, 신경 상미분 방정식(ODEs), 대조적 마스크 기능적 연결성(CMFC)을 통합한 학습 가능한 NeuroTree 프레임워크를 제안합니다. NeuroTree는 fMRI 네트워크 특징을 트리 구조로 효과적으로 디코딩하여 고차원 뇌 영역 경로 특징을 포착하고 질병 관련 뇌 하위 네트워크를 이해하는 데 필수적인 계층적 신경 행동 패턴을 식별합니다. 두 가지 서로 다른 정신 질환 데이터 세트에 대한 실증적 평가를 통해 NeuroTree가 최첨단 성능을 달성함을 보여주고, 연령 관련 악화 패턴에 대한 귀중한 통찰력을 제공하여 그 기저 신경 메커니즘을 밝힙니다.
