面向小样本高维多模态生物医学数据的统一贝叶斯表示

我们提出了 BALDUR，这是一个新型贝叶斯算法，旨在应对高维小样本多模态数据集，同时提供可解释的解决方案。为此，该模型将不同数据视图在共同潜在空间中结合，以提取解决分类任务所需的相关信息，并剔除不相关或冗余的特征/数据视图。 Furthermore, 为提供小样本情景下的通用解决方案，BALDUR 高效地对各视图整合双核，并在样本数与特征数比例较小的前提下实现。最后，其线性特性确保了模型结果的可解释性，使其可用于生物标志物的识别。该模型在两个不同的神经退行性疾病数据集上进行了测试，优于现有 SOTA 模型，并检测到了与已在文献中描述的生物标志物相一致的特征。