用于回归的深度关系学习及其在脑龄估计中的应用
计算机视觉与模式识别
2022-04-15 v1
摘要
大多数用于时序回归的深度学习模型直接基于单张输入图像输出估计值，忽略了不同图像之间的关系。本文中，我们提出用于回归的深度关系学习，旨在学习一对输入图像之间的不同关系。考虑了四种非线性关系：“累积关系”、“相对关系”、“最大关系”和“最小关系”。这四种关系由一个具有两部分（特征提取与关系回归）的深度神经网络同时学习。我们使用一个高效的卷积神经网络从成对输入图像中提取深度特征，并应用 Transformer 进行关系学习。所提方法在一个包含 6049 名年龄 0-97 岁受试者的合并数据集上，采用 5 折交叉验证用于脑龄估计任务进行评估。实验结果表明，所提方法达到了 2.38 年的平均绝对误差（MAE），在配对 T 检验（双侧）中显著低于其他 8 种最先进（state-of-the-art）算法的 MAE（p0.05）。
引用
@article{arxiv.2204.06598,
title = {Deep Relation Learning for Regression and Its Application to Brain Age Estimation},
author = {Sheng He and Yanfang Feng and P. Ellen Grant and Yangming Ou},
journal= {arXiv preprint arXiv:2204.06598},
year = {2022}
}