BrainNet Research Starter Kit

Compact deep-learning research starter kit for brain functional network classification experiments.

Interview Highlights

• Clean Python research template with src/tests/notebooks layout
• PyTorch, nilearn, MNE, scikit-learn oriented dependencies
• Good for discussing ML project structure, reproducibility, and experiment workflow

Local Run

pip install -r requirements.txt
python src/main.py

Verification

python -m pytest
python -m py_compile src/main.py

---

Original Project Notes

基于深度学习的脑功能网络分类方法研究

项目简介

本项目旨在利用深度学习方法对脑功能网络（如fMRI/EEG数据）进行分类，提升脑部疾病（如阿尔茨海默病、精神分裂症等）诊断的准确性和可解释性。

主要模块

• 数据预处理与特征提取
• 静态与动态功能连接矩阵构建
• 多尺度卷积-注意力-GRU深度学习模型
• 多模态特征融合
• 模型训练与评估
• 可解释性分析（如Grad-CAM）

目录结构

• src/ 主要源代码
• data/ 数据存放
• notebooks/ Jupyter分析与实验
• tests/ 单元测试

环境依赖

见 requirements.txt

快速开始

1. 安装依赖：pip install -r requirements.txt
2. 参考 notebooks/ 进行实验
3. 运行主程序：python src/main.py