基于多超图融合的超图神经网络模型构建及阿尔兹海默病分类

针对目前超图神经网络构建方法单一化，导致被试特征间的交互信息无法表征，从而影响超图神经网络模型分类性能的问题。本文提出一种多超图融合技术，融合多个超图为一个超图，从而互补多个超图各自所表征的高阶特征，以此来提高超图神经网络模型的分类性能。具体来说，基于结构磁共振成像数据，使用基于稀疏表示的LASSO方法，稀疏组LASSO方法以及覆盖组LASSO方法进行超图构建，然后分别基于超图融合技术将三个单一超图进行融合。接着基于融合的超图，构建超图神经网络模型，最终用于阿尔兹海默症及轻度认知障碍的分类。实验结果表明，本文所提方法的分类准确率达到79.21%，证明了该方法在阿尔兹海默症及轻度认知障碍的分类有较高的准确性和泛化性。

Hypergraph Neural Network Model Construction and Alzheimer's Disease Classification Based on Multi-Hypergraph Fusion