基于双先验多模态超图扩散网络的阿尔茨海默病分类
机器学习
2022-09-07 v3 计算机视觉与模式识别
图像与视频处理
摘要
阿尔茨海默病前驱期的自动早期诊断对于改善患者生活质量的治疗具有重要意义。我们将此问题视为多模态分类任务。多模态数据提供了更丰富和互补的信息。然而，现有技术仅考虑数据间的低阶关系以及单模态/多模态成像数据。本工作引入一种新颖的用于阿尔茨海默病诊断的半监督超图学习框架。我们的框架允许多模态成像与非成像数据间的高阶关系，同时仅需极少量标注集。首先，我们引入一种双嵌入策略来构建保留数据语义的鲁棒超图。我们通过基于对比的机制在图像和图层级强制扰动不变性来实现这一点。其次，我们通过半显式流提出一种动态调整的超图扩散模型，以改善预测不确定性。我们通过实验证明，我们的框架能够超越当前阿尔茨海默病诊断技术。
引用
@article{arxiv.2204.02399,
title = {Multi-Modal Hypergraph Diffusion Network with Dual Prior for Alzheimer Classification},
author = {Angelica I. Aviles-Rivero and Christina Runkel and Nicolas Papadakis and Zoe Kourtzi and Carola-Bibiane Schönlieb},
journal= {arXiv preprint arXiv:2204.02399},
year = {2022}
}