InceptionGCN：用于疾病预测的感知感受野图卷积网络
机器学习
2019-03-12 v1 机器学习
摘要
几何深度学习为医学领域中成像与非成像模态的集成提供了原则性且通用的方式。尤其是图卷积网络（GCNs）已被探索用于疾病预测、分割和矩阵补全等多种问题，充分利用了大型多模态数据集。本文中，我们引入了一种新的谱域图深度学习架构用于疾病预测。新颖之处在于定义了几何“inception 模块”，其能够在卷积过程中捕获图内与图间的结构异质性。我们设计具有不同核大小的滤波器来构建架构。我们在两个公开可用数据集上展示了疾病预测结果。此外，我们提供了在模拟数据不同输入场景下常规 GCNs 与我们提出模型行为的见解。
引用
@article{arxiv.1903.04233,
title = {InceptionGCN: Receptive Field Aware Graph Convolutional Network for Disease Prediction},
author = {Anees Kazi and Shayan shekarforoush and S. Arvind krishna and Hendrik Burwinkel and Gerome Vivar and Karsten Kortuem and Seyed-Ahmad Ahmadi and Shadi Albarqouni and Nassir Navab},
journal= {arXiv preprint arXiv:1903.04233},
year = {2019}
}