基于超图神经网络的胶质母细胞瘤生存期精准与可解释预测研究
针对多形性胶质母细胞瘤（GBM）生存预测对高准确度和透明度的双重需求，研究人员指出现有方法往往在性能与可解释性间妥协，且过度依赖单一成像模态，未能充分利用互补信息。该研究提出一种超图神经网络方案，认为这两者并非固有冲突，旨在利用图神经网络的结构优势，在保证强判别能力的同时提取具解释性的特征表征，以提升多模态临床预测能力（原文摘要截断）。
推荐理由探索利用超图神经网络化解医学影像生存预测中准确率与可解释性难以兼得的痛点。
原标题：An Accurate and Interpretable Hyper Graph Neural Network for GBM Survival Prediction
阅读 arXiv 人工智能 原文 ↗