函数图卷积网络：面向健康与社会照护洞察的统一多任务多模态学习框架
机器学习
2024-09-11 v2 人工智能
摘要
本文提出一种新颖的函数图卷积网络（funGCN）框架，将函数数据分析与图卷积网络相结合，以解决数字健康和纵向研究中多任务、多模态学习的复杂问题。随着健康解决方案日益重要，以改善医疗保健、社会支持、确保健康生活并促进各年龄段健康福祉为目标，funGCN 提供了一种统一的方法来处理多个实体的多变量纵向数据，并在样本量较小的情况下仍能保证可解释性。关键创新包括管理不同数据类型的任务特定嵌入组件，能够进行分类、回归和预测，并创建知识图谱以实现数据解释。通过仿真实验和真实数据应用验证了 funGCN 的有效性。
引用
@article{arxiv.2403.10158,
title = {Functional Graph Convolutional Networks: A unified multi-task and multi-modal learning framework to facilitate health and social-care insights},
author = {Tobia Boschi and Francesca Bonin and Rodrigo Ordonez-Hurtado and Cécile Rousseau and Alessandra Pascale and John Dinsmore},
journal= {arXiv preprint arXiv:2403.10158},
year = {2024}
}