图数据库和图学习在临床应用中的重要性

临床数据的数量和复杂性日益增加，需要一种适当的存储和分析这些数据的方法。传统方法使用表格结构（关系数据库）来存储数据，从而使存储和检索临床领域中相关联的数据变得复杂。图数据库通过将数据以节点（顶点）的形式存储在图中，并通过边（链接）连接，提供了一个很好的解决方案。基础的图结构可以用于后续的数据分析（图学习）。图学习由两部分组成：图表示学习和图分析。图表示学习旨在将高维输入图降低为低维表示。然后，图分析使用获得的表示进行可视化、分类、链接预测和聚类等分析任务，这些任务可以用来解决特定领域的问题。在这项调查中，我们回顾了当前最先进的图数据库管理系统、图学习算法以及在临床领域中的各种图应用。此外，我们提供了一个全面的用例，以更清晰地理解复杂的图学习算法。