ARMARecon：一种基于 ARMA 卷积滤波器的图神经网络用于神经退行性痴呆分类
计算机视觉与模式识别
2026-01-21 v1
摘要
早期检测阿尔茨海默病（Alzheimer's Disease, AD）和额颞叶痴呆（Frontotemporal Dementia, FTD）等神经退行性疾病对于降低其进展至严重阶段的风险至关重要。由于 AD 和 FTD 以全局的、图依赖的方式沿白质区域传播，基于图的神经网络非常适合捕捉这些模式。因此，我们提出了 ARMARecon，这是一个统一的图学习框架，它将自回归移动平均（Autoregressive Moving Average, ARMA）图滤波与重建驱动的目标相结合，以增强特征表示并提高分类精度。ARMARecon 通过利用从白质区域提取的 20-bin 分数各向异性（Fractional Anisotropy, FA）直方图特征，有效地建模了局部和全局连接性，同时减轻了过度平滑。总体而言，在多站点 dMRI 数据集 ADNI 和 NIFD 上，ARMARecon 取得了优于现有最先进方法的性能。
引用
@article{arxiv.2601.12067,
title = {ARMARecon: An ARMA Convolutional Filter based Graph Neural Network for Neurodegenerative Dementias Classification},
author = {VSS Tejaswi Abburi and Ananya Singhal and Saurabh J. Shigwan and Nitin Kumar},
journal= {arXiv preprint arXiv:2601.12067},
year = {2026}
}
备注
Accepted at IEEE International Symposium on Biomedical Imaging (ISBI) 2026