MAPI-GNN：用于多模态医学诊断的多激活平面交互图神经网络
计算机视觉与模式识别
2025-12-24 v1
摘要
图神经网络正在应用于多模态医学诊断，因为其固有的关系建模能力。然而，其有效性常常受制于依赖单一、静态图（由不公平的特征构建），这阻碍了对患者特定病理关系的建模。为此，本文提出了多激活平面交互图神经网络（MAPI-GNN），通过学习来自语义解缠特征子空间的多维图轮廓来重构这种单图范式。该框架首先通过多维判别器发现潜在图感知模式；这些模式随后指导动态构建一组激活图；最后，该多维轮廓通过关系融合引擎进行聚合和语境化，以实现稳健的诊断。大量实验表明，在包括1300多名患者样本的两个不同任务上，MAPI-GNN显著优于最先进的方法。
引用
@article{arxiv.2512.20026,
title = {MAPI-GNN: Multi-Activation Plane Interaction Graph Neural Network for Multimodal Medical Diagnosis},
author = {Ziwei Qin and Xuhui Song and Deqing Huang and Na Qin and Jun Li},
journal= {arXiv preprint arXiv:2512.20026},
year = {2025}
}
备注
Accepted by Proceedings of the AAAI Conference on Artificial Intelligence 40 (AAAI-26)