基于二分图表示学习的放射基因组阿尔茨海默病检测
机器学习
2025-05-16 v1 图像与视频处理
摘要
影像数据和基因组数据各提供独特且丰富的特征，其集成可揭示疾病复杂图景中的新见解。本研究提出了一种新方法，利用包括结构性MRI图像和基因表达数据的放射基因组数据进行阿尔茨海默病检测。我们的框架引入了一种 novel 的异构二分图表示学习，包含两种不同类型的节点：基因和图像。该网络能够将阿尔茨海默病（AD）有效分类为三个 distinct 的阶段：AD、轻度认知障碍（MCI）和认知正常（CN）类别，同时利用小数据集。此外，我们还识别了哪些基因在这些分类组中发挥重要作用。我们采用包括分类准确率、召回率、精确率和F1分数在内的多种指标评估了本方法的性能。该提出技术有望扩展至基于放射基因组的分类，以适用于其他疾病。
引用
@article{arxiv.2505.09848,
title = {Radiogenomic Bipartite Graph Representation Learning for Alzheimer's Disease Detection},
author = {Aditya Raj and Golrokh Mirzaei},
journal= {arXiv preprint arXiv:2505.09848},
year = {2025}
}
备注
11 pages