基于多维时间序列图核的自闭症谱系障碍分类
机器学习
2016-12-04 v1 机器学习
摘要
我们提出了一种对静息态 fMRI 时间序列数据进行建模的方法，用于自闭症谱系障碍（ASD）严重程度分类。我们建议采用核机器并使用图核来定义两个图之间的核点积。这使我们能够利用时空信息来捕捉大脑网络的动态，而不是在空间或时间维度上对其进行聚合。除了传统的相似图外，我们还在所提出的 ASD 分类流程中探索了使用稀疏编码的 L1 图以及时延嵌入的持久同调。我们在 ABIDE 集合的两个数据集上的实验表明，对于各种时间序列特征，使用图核相比传统的线性或非线性核具有一致且显著的优势。
引用
@article{arxiv.1611.09897,
title = {Autism Spectrum Disorder Classification using Graph Kernels on Multidimensional Time Series},
author = {Rushil Anirudh and Jayaraman J. Thiagarajan and Irene Kim and Wolfgang Polonik},
journal= {arXiv preprint arXiv:1611.09897},
year = {2016}
}
备注
Under review as a conference paper to BHI '17