基于数据融合的 3D CNN 回归器集成用于流体智力预测
图像与视频处理
2019-05-28 v1 计算机视觉与模式识别
机器学习
应用统计
摘要
在这项工作中，我们旨在基于来自最大规模脑发育与儿童健康长期研究的结构性 T1 加权 MR 图像预测儿童的流体智力分数。目标变量对数据收集站点、社会人口学变量和脑体积进行回归，从而独立于那些与脑功能无直接关系的潜在信息因素。我们研究了特征提取和深度学习方法以及不同的深度 CNN 架构及其集成。我们提出了一种 VoxCNNs 集成的高级架构，其在盲测上产生 MSE (92.838)。
引用
@article{arxiv.1905.10550,
title = {Ensemble of 3D CNN regressors with data fusion for fluid intelligence prediction},
author = {Marina Pominova and Anna Kuzina and Ekaterina Kondrateva and Svetlana Sushchinskaya and Maxim Sharaev and Evgeny Burnaev and and Vyacheslav Yarkin},
journal= {arXiv preprint arXiv:1905.10550},
year = {2019}
}
备注
10 pages, 1 figure, 2 tables