基于3D卷积神经网络从fMRI数据分类自闭症谱系障碍的增广方法评估
图像与视频处理
2021-10-22 v1 计算机视觉与模式识别
神经元与认知
摘要
利用神经影像数据将受试者分类为健康或患病在过去10年中获得了大量关注。此处我们将深度学习应用于静息态fMRI数据的衍生量，并研究不同3D增广技术如何影响测试精度。具体而言，我们使用ABIDE中预处理过的1,112名受试者的静息态衍生量来训练一个3D卷积神经网络（CNN）执行该分类。我们的结果表明，增广仅对测试精度提供微小改进。
引用
@article{arxiv.2110.10489,
title = {Evaluation of augmentation methods in classifying autism spectrum disorders from fMRI data with 3D convolutional neural networks},
author = {Johan Jönemo and David Abramian and Anders Eklund},
journal= {arXiv preprint arXiv:2110.10489},
year = {2021}
}