ASMFS：基于自适应相似度的多模态特征选择用于阿尔茨海默病分类
计算机视觉与模式识别
2022-04-11 v1 人工智能
机器学习
摘要
随着待处理的高维异构数据日益增多，多模态特征选择已成为医学图像分析中的重要研究方向。传统方法通常分别为每种模态使用固定且预定义的相似度矩阵来刻画数据结构，未考虑不同模态间潜在的关系结构。本文提出一种新颖的多模态特征选择方法，其同时执行特征选择与局部相似度学习。具体而言，通过联合考虑不同成像模态来学习相似度矩阵；同时，通过施加稀疏 l_{2,1} 范数约束来进行特征选择。在阿尔茨海默病神经影像倡议（ADNI）数据集上的实验结果很好地证明了我们所提联合学习方法的有效性，其优于现有的最先进多模态方法。
引用
@article{arxiv.2010.08190,
title = {ASMFS: Adaptive-Similarity-based Multi-modality Feature Selection for Classification of Alzheimer's Disease},
author = {Yuang Shi and Chen Zu and Mei Hong and Luping Zhou and Lei Wang and Xi Wu and Jiliu Zhou and Daoqiang Zhang and Yan Wang},
journal= {arXiv preprint arXiv:2010.08190},
year = {2022}
}
备注
27 pages, 10 figures