神经影像中的特征学习与分类：从磁共振成像预测认知障碍
机器学习
2018-06-19 v1 机器学习
摘要
由于技术的快速创新以及寻找并采用神经退行性疾病生物标志物的需求，高维数据分类问题在神经影像研究中经常遇到。为避免过拟合并探索疾病与潜在生物标志物之间的关系，特征学习与选择在分类器构建中起着重要作用，并且是机器学习中的一个重要领域。在本文中，我们回顾了若干重要的特征学习与选择技术，包括基于 lasso 的方法、PCA、双样本 t 检验以及堆叠自编码器。我们利用一项涉及从磁共振成像预测阿尔茨海默病的数值研究对这些方法进行了比较。
引用
@article{arxiv.1806.06415,
title = {Feature Learning and Classification in Neuroimaging: Predicting Cognitive Impairment from Magnetic Resonance Imaging},
author = {Shan Shi and Farouk Nathoo},
journal= {arXiv preprint arXiv:1806.06415},
year = {2018}
}