本文介绍了一种新的图形领域体系结构，用于基于图形的深度学习用于疾病预测。该体系结构利用不同内核大小的滤波器来构建，并定义了几何“内核模块”，能够在卷积期间捕获结构异质性。研究展示了该模型在两个公开数据集上的疾病预测结果，并提供了在模拟数据的不同输入情况下，常规GCNs和提出的模型的行为洞见。