面向多站点脑龄预测的对比学习回归方法
图像与视频处理
2023-03-22 v2 计算机视觉与模式识别
机器学习
摘要
构建准确的深度学习（DL）模型用于脑龄预测是神经影像学中一个非常相关的课题，因为它有助于更好地理解神经退行性疾病并发现新的生物标志物。为了估计准确且可泛化的模型，已收集了大型数据集，这些数据集通常是多站点且多扫描仪的。这种巨大的异质性会对 DL 模型的泛化性能产生负面影响，因为它们容易过拟合与站点相关的噪声。近来，对比学习方法已显示出对数据或标签中噪声更具鲁棒性。为此，我们提出了一种新颖的对比学习回归损失，用于基于 MRI 扫描的鲁棒脑龄预测。我们的方法在 OpenBHB 挑战赛上取得了最先进的性能，产生了最佳的泛化能力与对站点相关噪声的鲁棒性。
引用
@article{arxiv.2211.08326,
title = {Contrastive learning for regression in multi-site brain age prediction},
author = {Carlo Alberto Barbano and Benoit Dufumier and Edouard Duchesnay and Marco Grangetto and Pietro Gori},
journal= {arXiv preprint arXiv:2211.08326},
year = {2023}
}
备注
5 pages