用于口咽癌患者预后预测的图数据建模
计算机视觉与模式识别
2023-10-05 v1 机器学习
摘要
图神经网络（GNNs）在医学领域的疾病分类和预后预测任务中正变得越来越流行。由于患者数据并非现成地以图形式存在，大多数现有方法要么手动定义患者图，要么基于患者之间的成对相似性学习潜图。近来也引入了基于超图神经网络（HGNN）的方法，通过将患者表示为超图来利用患者间潜在的高阶关联。在这项工作中，我们提出了一种患者超图网络（PHGN），该网络首次在归纳学习设置中使用基于计算机断层扫描（CT）的放射组学特征对口咽癌（OPC）患者的二元预后预测进行了研究。此外，所提模型被扩展以执行事件时间分析，并与GNN和基线线性模型进行了比较。
引用
@article{arxiv.2310.02931,
title = {Graph data modelling for outcome prediction in oropharyngeal cancer patients},
author = {Nithya Bhasker and Stefan Leger and Alexander Zwanenburg and Chethan Babu Reddy and Sebastian Bodenstedt and Steffen Löck and Stefanie Speidel},
journal= {arXiv preprint arXiv:2310.02931},
year = {2023}
}