用于生成改进自闭症诊断生物标志物的对抗因子模型
机器学习
2021-12-01 v1
摘要
发现可靠的、可指示自闭症谱系障碍（ASD）诊断的度量，对于为该神经发育障碍提供适当且及时的治疗至关重要。本工作中，我们展示了对抗线性因子模型在创建改进 ASD 诊断生物标志物中的应用。首先，我们证明对抗线性因子模型可用于从生物标志物中去除混杂信息，确保其仅包含与 ASD 相关的信息。其次，我们展示同一模型可用于学习多模态生物标志物的解耦表示，从而提升预测性能。这些结果表明，对抗方法既可解决生物标志物混杂问题，又能改善生物标志物的预测性能。
引用
@article{arxiv.2111.15347,
title = {Adversarial Factor Models for the Generation of Improved Autism Diagnostic Biomarkers},
author = {William E. Carson and Dmitry Isaev and Samatha Major and Guillermo Sapiro and Geraldine Dawson and David Carlson},
journal= {arXiv preprint arXiv:2111.15347},
year = {2021}
}
备注
5 pages, 3 figures