一种基于机器学习的自闭症谱系障碍（ASD）检测新框架
计算机视觉与模式识别
2021-11-29 v3 神经与进化计算
摘要
计算机视觉和机器学习是自动化领域的核心。医药行业已采用多种方法来发现许多疾病的根本原因，以实现检测过程的自动化。但是，自闭症谱系障碍（ASD）的生物标志物仍然未知，更不用说其检测的自动化了。神经科学领域的研究强调，胼胝体和颅内脑体积包含用于 ASD 检测的重要信息。此类结果和研究尚未被计算机视觉/机器学习领域的科学家测试和验证。因此，在本研究中，我们提出了一种基于机器学习的框架，利用从 ABIDE 数据集中提取的胼胝体和颅内脑体积特征来自动检测 ASD。胼胝体和颅内脑体积数据来自 T1 加权 MRI 扫描。我们提出的框架首先计算从胼胝体和颅内脑体积数据中提取的特征的权重。此步骤确保仅利用那些有助于稳健识别 ASD 的特征的判别能力。然后，将常规机器学习算法（常规指除深度学习以外的算法）应用于在判别能力方面对 ASD 识别最重要的特征。最后，为了进行基准测试并验证深度学习在分析神经成像数据（即 T1 加权 MRI 扫描）方面的潜力，我们使用最先进的深度学习架构即 VGG16 进行了实验。我们采用迁移学习方法，使用已训练好的 VGG16 模型来检测 ASD。这样做是为了帮助读者理解使用深度学习方法分析难以以足够大量记录的神经成像数据的益处和瓶颈。
引用
@article{arxiv.1903.11323,
title = {A novel machine learning based framework for detection of Autism Spectrum Disorder (ASD)},
author = {Hamza Sharif and Rizwan Ahmed Khan},
journal= {arXiv preprint arXiv:1903.11323},
year = {2021}
}