脑网络不再共用一张分区图：IC-GNN按个体社区组织预测自闭症、阿尔茨海默病与抑郁
IC-GNN把同一套脑图谱区域在每个人身上重新聚成离散的多尺度功能社区，再用这些社区指导图神经网络的连边筛选和区域权重分配。此前常用的群体级图谱会抹平个体间社区边界差异，而体素级个体化分区又需要较长扫描且难以跨人比较。在ABIDE、ADNI和UK Biobank合计超过3万名参与者上，IC-GNN与15种基线方法比较取得最高的平均AUROC和准确率，其中ABIDE的AUROC为75.41%、ADNI为86.46%、UK Biobank为60.62%。