Multi-modal Multi-kernel Graph Learning for Autism Prediction and Biomarker Discovery

要約

タイトル – 自閉症の予測とバイオマーカーの発見のための多様な多核グラフ学習
要約 – 疾患予測のためのグラフ学習ベースの多様な多視覚情報の統合と分類は、その複雑さのために最も困難な課題の1つです。MMKGL（Multi-modal Multi-Kernel Graph Learning）という新しい方法を提案し、グラフの多様な情報を抽出し、多様な情報を抽出するために異種情報源の負の影響を効果的に相殺します。

要点：
– 複数のモダリティの間の負の影響を補うために、マルチモーダルグラフ埋め込みモジュールを提案し、複数のグラフを構築する。
– 各モダリティは適応的学習により独自のグラフを生成し、最適化のために機能グラフと監視グラフを導入する。
– 多様な情報を抽出するために、マルチカーネルグラフ学習モジュールを提案し、異なる受容野サイズを持つ畳み込みカーネルによって異なるレベルのマルチモーダルグラフを集約する。
– この手法は、Autism Brain Imaging Data Exchange（ABIDE）データセットで評価され、最先端の手法よりも優れた性能を発揮する。
– 自閉症に関連した識別的脳領域がモデルによって同定され、自閉症病理学の研究にガイダンスを提供する。

要約(オリジナル)

Due to its complexity, graph learning-based multi-modal integration and classification is one of the most challenging obstacles for disease prediction. To effectively offset the negative impact between modalities in the process of multi-modal integration and extract heterogeneous information from graphs, we propose a novel method called MMKGL (Multi-modal Multi-Kernel Graph Learning). For the problem of negative impact between modalities, we propose a multi-modal graph embedding module to construct a multi-modal graph. Different from conventional methods that manually construct static graphs for all modalities, each modality generates a separate graph by adaptive learning, where a function graph and a supervision graph are introduced for optimization during the multi-graph fusion embedding process. We then propose a multi-kernel graph learning module to extract heterogeneous information from the multi-modal graph. The information in the multi-modal graph at different levels is aggregated by convolutional kernels with different receptive field sizes, followed by generating a cross-kernel discovery tensor for disease prediction. Our method is evaluated on the benchmark Autism Brain Imaging Data Exchange (ABIDE) dataset and outperforms the state-of-the-art methods. In addition, discriminative brain regions associated with autism are identified by our model, providing guidance for the study of autism pathology.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI