用于疾病预测的配备自注意力的图卷积方法
机器学习
2018-12-27 v1 图像与视频处理
机器学习
摘要
包含影像（MRI、fMRI、PET等）与非影像（临床检测、人口统计学等）数据的多模态数据可共同收集并用于疾病预测。此类多样数据为患者的状况提供了互补信息，以做出明智的诊断。需要一个能够利用每种多模态数据个性的模型以实现更好的疾病预测。我们提出了一种基于图卷积的深度模型，其考虑了多模态数据中每个元素的独特性。我们引入了一种新颖的自注意力层，其通过探索人口统计学数据与潜在疾病的关系来对每个元素加权。我们展示了所开发技术在计算速度与性能上相对于最先进方法的优越性。我们的方法以显著优势优于其他方法。
引用
@article{arxiv.1812.09954,
title = {Self-Attention Equipped Graph Convolutions for Disease Prediction},
author = {Anees Kazi and S. Arvind krishna and Shayan Shekarforoush and Karsten Kortuem and Shadi Albarqouni and Nassir Navab},
journal= {arXiv preprint arXiv:1812.09954},
year = {2018}
}
备注
4 pages, 4 figures, paper accepted in ISBI 2019