MvHo-IB：用于脑疾病诊断的多视图高阶信息瓶颈
机器学习
2025-11-04 v1
摘要
最近的证据表明，对功能磁共振成像（fMRI）数据中的高阶交互（HOIs）进行建模可以提高机器学习系统的诊断准确性。然而，有效提取和利用HOIs仍然是一个重大挑战。在这项工作中，我们提出了MvHo-IB，一个新颖的多视图学习框架，它集成了成对交互和HOIs用于诊断决策，同时自动压缩与任务无关的冗余信息。MvHo-IB引入了几个关键创新：(1) 一种将信息论中的O-信息与基于矩阵的Renyi α阶熵估计器相结合以量化和提取HOIs的原则性方法，(2) 一个专门构建的Brain3DCNN编码器以有效利用这些交互，以及(3) 一个新的多视图学习信息瓶颈目标以增强表示学习。在三个基准fMRI数据集上的实验表明，MvHo-IB实现了最先进的性能，显著优于先前的方法，包括最近的基于超图的技术。MvHo-IB的实现可在 https://github.com/zky04/MvHo-IB 获取。
引用
@article{arxiv.2507.02847,
title = {MvHo-IB: Multi-View Higher-Order Information Bottleneck for Brain Disorder Diagnosis},
author = {Kunyu Zhang and Qiang Li and Shujian Yu},
journal= {arXiv preprint arXiv:2507.02847},
year = {2025}
}
备注
Accepted by MICCAI-25, code is available at \url{https://github.com/zky04/MvHo-IB}