目前Graph Neural Network(GNN)在医疗领域有什么有意义的研究呢?

关注者
44
被浏览
18,990
登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏

参考一篇综述 arxiv.org/pdf/2105.1313

这篇文章主要是医学方向的图网络应用,从论文角度来看基本覆盖了以前ai能做的医疗应用到现在的基本都可以,比如大脑活跃分析;大脑图像表征;分割和自动标注;多模态数据分析;自闭症检测;精神分裂症;注意力缺陷;重度抑郁;性别判断;大脑应答;大脑电信号;癫痫;心脏异常;睡眠;脑肿瘤;阿兹海默症诊断;胸片(X-Ray);乳腺癌;肾病;脑年龄等等。。。其中大脑的分析还是以脑网络为主,毕竟这玩意儿最直观,目测从功能层面和结构层面都能cover。另外抛开这个论文,还有细胞,蛋白质,基因,药物层面,包括用图做蛋白质结构和活性预测,基因调控网络,基因对蛋白质,药物对蛋白质,还有药物的合成,作用关系,啥都行,这一套可以参考mila的torchdrug的开源和斯坦福的tde,当然还有更多的文章是发在生物化学的期刊里的。这样看来,意义是由于gnn更能刻画一些关系信息,因此在一些场景下能够得到更好的效果。

具体做法基本套路是把这些问题转行成图的问题,比如节点预测,边预测,图预测。还有待解决的问题包括医学数据自身需要解决的医学数据标注困难的问题,还有就是图网络模型目前遇到的一些困难,包括动态图;复杂度及高效性;解释性;泛化性