检测静息态动力学中的异常：一种无监督学习方法
机器学习
2019-08-20 v1 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
静息态功能磁共振成像（rs-fMRI）是一种丰富的成像模态，可捕捉自发脑活动模式，揭示人脑连接组组织的线索。尽管许多 rs-fMRI 研究聚焦于功能连接的静态度量，近期兴起了一股考察这些数据中时间模式的浪潮。在本文中，我们探索了两种捕捉健康人群静息态活动正常变异性的策略：（a）在 rs-fMRI 序列上的自编码器方法，以及（b）下一帧预测策略。我们表明两种方法均能学习到 rs-fMRI 数据的有用表示，并展示了它们在区分自闭症患者在健康对照背景下的异常检测中的新颖应用。
引用
@article{arxiv.1908.06168,
title = {Detecting abnormalities in resting-state dynamics: An unsupervised learning approach},
author = {Meenakshi Khosla and Keith Jamison and Amy Kuceyeski and Mert R. Sabuncu},
journal= {arXiv preprint arXiv:1908.06168},
year = {2019}
}
备注
9 pages, 3 figures