用于 ADHD 分类的 fMRI 扫描降维表示学习方法的比较
神经元与认知
2022-02-07 v1
摘要
本文比较了三种用于表示静息态功能磁共振（fMRI）扫描的特征表示技术。所提出的特征表示模型将时间平均的 fMRI 扫描视为图像数据的原始表示。通过使用这些特征对注意缺陷多动障碍（Attention Deficit Hyperactivity Disorder, ADHD）患者与健康对照者进行分类，来评估表示的有效性。用于特征表示的降维方法包括最大方差展开、局部线性嵌入和自编码器。用于分类测试的 classifier 为神经网络和支持向量机。使用具有四个隐藏层的自编码器结合支持向量机分类器，获得了 61.25% 的分类准确率，以及 65.69% 的灵敏度和 52.20% 的特异度。
引用
@article{arxiv.2202.01989,
title = {A Comparison of Representation Learning Methods for Dimensionality Reduction of fMRI Scans for Classification of ADHD},
author = {Bhaskar Sen},
journal= {arXiv preprint arXiv:2202.01989},
year = {2022}
}