协方差神经网络的可迁移性及其在解释性脑龄预测中的应用（英文版）

英文标题：Transferablility of coVariance Neural Networks and Application to Interpretable Brain Age Prediction using Anatomical Features中文摘要：本文研究了具有协方差矩阵的图形卷积神经网络（coVariance 神经网络），证明了 VNN 具有出色的转移性能和在脑成像数据分析中的应用，通过具有多尺度的神经成像数据预测大脑年龄等任务的实验结果，论证了其比传统 PCA 方法更具有实用性，并验证了其对于阿尔茨海默病的优势与解释性。英文摘要：Graph convolutional networks (GCN) leverage topology-driven graphconvolutional operations to combine information across the graph for inferencetasks. In our recent work, we have studied GCNs with covariance matrices a