多视图图卷积网络及其在帕金森病神经影像分析中的应用
计算机视觉与模式识别
2019-05-08 v4
摘要
帕金森病(PD)是影响数千万美国人的最常见神经退行性疾病之一。PD 高度渐进且异质。近年来已开展不少利用临床与生物标志物数据对 PD 进行预测或疾病进展建模的研究。神经影像作为神经退行性疾病的另一重要信息源，也引起了 PD 领域的相当兴趣。本文提出一种基于图卷积网络(GCN)的深度学习方法，用于融合多模态脑图像以进行关系预测，有助于区分 PD 病例与对照组。在 Parkinson's Progression Markers Initiative (PPMI) 队列上，我们的方法取得了 的 AUC，而 PCA 等传统方法取得的 AUC 为 。
引用
@article{arxiv.1805.08801,
title = {Multi-View Graph Convolutional Network and Its Applications on Neuroimage Analysis for Parkinson's Disease},
author = {Xi Sheryl Zhang and Lifang He and Kun Chen and Yuan Luo and Jiayu Zhou and Fei Wang},
journal= {arXiv preprint arXiv:1805.08801},
year = {2019}
}