机器学习与深度学习方法在ASD分类上的比较研究
图像与视频处理
2022-12-05 v2 机器学习
神经元与认知
机器学习
摘要
本研究对自闭症数据集进行分析，以识别自闭症组与健康组之间的差异。为此，分析了两组的静息态功能磁共振成像（rs-fMRI）数据，并构建了脑区间连接网络。我们开发了多种分类框架来区分两组之间的连接模式。比较了统计推断与精度方面的最佳模型，并分析了精度与模型可解释性之间的权衡。最后，报告了分类准确率指标以证明我们框架的性能。我们的最佳模型在多中心ABIDE I数据上以71%的准确率对自闭症患者和健康受试者进行分类。
引用
@article{arxiv.2209.08601,
title = {Comparative study of machine learning and deep learning methods on ASD classification},
author = {Ramchandra Rimal and Mitchell Brannon and Yingxin Wang and Xin Yang},
journal= {arXiv preprint arXiv:2209.08601},
year = {2022}
}