脑疾病异质数据挖掘综述
机器学习
2015-08-06 v1 计算工程、金融与科学
数据库
神经元与认知
应用统计
摘要
随着神经成像技术的快速发展，脑疾病识别研究已成为数据挖掘领域的一个新兴方向。脑疾病数据给数据挖掘研究带来了许多独特挑战。例如，神经成像实验产生的原始数据以张量表示，具有高维、结构复杂和非线性可分的典型特征。此外，可以从张量数据构建脑连接网络，嵌入脑区之间的微妙交互。通常还可获得从多角度反映疾病状态的其他临床测量。有望整合张量数据和脑网络数据中的互补信息，并纳入其他临床参数，这将对研究疾病机制和指导治疗干预具有潜在变革性。许多研究努力已投入该领域，并在各种应用中取得了巨大成功，如基于张量的建模、子图模式挖掘、多视图特征分析。本文综述了一些近期用于分析脑疾病的数据挖掘方法。
引用
@article{arxiv.1508.01023,
title = {A review of heterogeneous data mining for brain disorders},
author = {Bokai Cao and Xiangnan Kong and Philip S. Yu},
journal= {arXiv preprint arXiv:1508.01023},
year = {2015}
}