增强邻接矩阵驱动GNN的AD诊断方法研究

摘要

针对图神经网络(GNN)邻接矩阵的稀疏性的问题，构建了带有节点相似度的邻接矩阵。在此基础上，提出了增强邻接矩阵驱动GNN的阿尔茨海默病(AD)诊断模型。从数据集中选取1个未知类别的样本作为分类样本，从每个类中随机选择10个已知类别的样本构建一个图数据；根据节点不同维度的特征构建带有节点相似度的邻接矩阵并将邻接矩阵加入邻接算子族；在GNN的每一层中，根据邻接算子族中的算子更新节点特征，直到把最后一层的特征更新后通过softmax得出分类结果。实验结果表明：该模型在阿尔茨海默病神经影像学计划数据集上的F1分数达到了0.958,准确率达到96.09%,比现有先进模型的准确率提高了1.99%。

关键词

图神经网络 / 阿尔茨海默病 / 邻接矩阵 / 节点相似度