基于图神经网络的结构与功能脑网络联合嵌入用于精神疾病诊断
神经元与认知
2022-05-25 v2 机器学习
医学物理
定量方法
摘要
多模态脑网络从结构和功能两方面刻画不同脑区间的复杂连接性，为精神疾病分析提供了新手段。近年来，图神经网络（GNNs）已成为分析图结构数据的事实标准模型。然而，如何利用 GNNs 从多模态脑网络中提取有效表示仍鲜有探索。此外，由于脑网络不提供初始节点特征，如何设计信息丰富的节点属性并利用边权供 GNNs 学习尚待解决。为此，我们提出了一种用于多模态脑网络的新型多视图 GNN。具体而言，我们将每种模态视为脑网络的一个视图，并采用对比学习进行多模态融合。随后，我们提出一种 GNN 模型，利用基于度统计和脑区连接性的消息传递机制来传播消息。在两个真实疾病数据集（HIV 和 Bipolar）上的大量实验表明，我们所提方法优于最先进的基线方法。
引用
@article{arxiv.2107.03220,
title = {Joint Embedding of Structural and Functional Brain Networks with Graph Neural Networks for Mental Illness Diagnosis},
author = {Yanqiao Zhu and Hejie Cui and Lifang He and Lichao Sun and Carl Yang},
journal= {arXiv preprint arXiv:2107.03220},
year = {2022}
}
备注
Formal version accepted to IEEE EMBC 2022; previously presented at ICML 2021 Workshop on Computational Approaches to Mental Health (no proceedings)