fMRI 数据处理神经网络中的自适应平滑
计算机视觉与模式识别
2017-10-03 v1 机器学习
摘要
功能磁共振成像 (fMRI) 依赖多步数据处理流水线来准确测定大脑活动；其中，空间平滑是关键步骤。由于这些流水线采用局部优化策略，将每一步孤立处理，因此通常是次优的。随着深度学习新工具的出现，最近的工作提出将这些流水线转化为端到端学习网络。这种范式转变提供了新的改进途径，因为它允许进行全局优化。当前工作旨在通过定义一个平滑层来利用这一范式转变，该层能够自适应地调节每个脑容量所需的平滑程度，以更好地完成给定的数据分析任务。我们在真实 fMRI 数据上评估了该方法的可行性，实验中受试者在左右手指敲击任务之间交替进行。
引用
@article{arxiv.1710.00629,
title = {Adaptive Smoothing in fMRI Data Processing Neural Networks},
author = {Albert Vilamala and Kristoffer Hougaard Madsen and Lars Kai Hansen},
journal= {arXiv preprint arXiv:1710.00629},
year = {2017}
}
备注
4 pages, 3 figures, 1 table, IEEE 2017 International Workshop on Pattern Recognition in Neuroimaging (PRNI)