基于记忆图卷积网络的患者健康记录与神经影像整合分析
机器学习
2019-05-08 v4 机器学习
摘要
随着大数据时代的到来，越来越多的数据在各种实际应用中变得易于获取，且这些数据通常高度异构。以计算医学为例，我们为每个患者同时拥有电子健康记录（EHR）和医学图像。对于帕金森病和阿尔茨海默病等复杂疾病，EHR与神经影像信息对疾病理解都非常重要，因为它们包含疾病的互补方面。然而，EHR与神经影像完全不同。迄今为止，现有研究主要聚焦于其中一类。本文提出一种框架——基于记忆的图卷积网络（MemGCN），以对此类多模态数据进行整合分析。具体而言，GCN用于从患者的神经影像中提取有用信息。由于患者EHR在每张脑影像获取前具有序列特性，其包含的信息由记忆网络捕获。每张脑影像中包含的信息与从记忆网络读出的信息相结合，以推断影像获取时刻的疾病状态。为进一步增强MemGCN的分析能力，我们还设计了一种多跳策略，允许在每次迭代中对记忆执行多次读取与更新。我们使用来自帕金森病进展标志物倡议（PPMI）的患者数据，以帕金森病（PD）病例与对照的分类为任务进行实验。我们证明，与仅涉及单一类型数据的现有方法相比，所提框架可实现更优的分类性能。
引用
@article{arxiv.1809.06018,
title = {Integrative Analysis of Patient Health Records and Neuroimages via Memory-based Graph Convolutional Network},
author = {Xi Sheryl Zhang and Jingyuan Chou and Fei Wang},
journal= {arXiv preprint arXiv:1809.06018},
year = {2019}
}