用于疾病预测的多层并行图卷积网络（ML-PGCN）
机器学习
2018-05-01 v1 机器学习
摘要
来自电子健康记录的结构化数据作为成像数据的补充信息用于疾病预测。我们将一种新颖的加权层引入图卷积网络中，该层通过探索结构化数据的每个元素与潜在疾病的关系来对其进行加权。我们展示了我们开发的技术在计算速度方面的优越性，并获得了令人鼓舞的结果：当应用于两个公开可用的数据集 ABIDE 和 Chest X-ray 时，我们的方法在预测准确率的相对性能上分别比 state-of-the-art 方法高出 5.31% 和 8.15%，在 ROC 曲线下面积上分别高出 4.96% 和 10.36%。此外，该模型轻量、快速且易于训练。
引用
@article{arxiv.1804.10776,
title = {Multi Layered-Parallel Graph Convolutional Network (ML-PGCN) for Disease Prediction},
author = {Anees Kazi and Shadi Albarqouni and Karsten Kortuem and Nassir Navab},
journal= {arXiv preprint arXiv:1804.10776},
year = {2018}
}