基于脑成像和表格数据的GNN-TF预测未来烟草使用

本文介绍了一种新型的具有Transformer Fusion (GNN-TF) 的图神经网络模型，通过整合脑连接数据（非欧几里得）和临床/人口统计数据（欧几里得）来预测未来的烟草使用。关键贡献在于这些数据模态的时间感知融合，利用时间动态来提高预测准确性，优于现有方法。这很重要，因为它解决了医学影像分析中一个具有挑战性的问题，特别是在纵向研究中。

• •提出了一种新的GNN-TF模型，用于整合脑成像和表格数据。
• •解决了纵向影像研究中预测结果的挑战。
• •与现有方法相比，对未来烟草使用的预测准确性更高。
• •利用时间动态并融合多种数据模态。