用于多被试 fMRI 数据对齐的梯度超对齐
机器学习
2018-07-11 v1 神经元与认知
机器学习
摘要
多被试 fMRI 数据分析是人脑解码研究中一个有趣且具有挑战性的问题。被试间固有的解剖与功能变异性使得在分类分析前有必要进行解剖与功能对齐。此外，面对大数据时，时间复杂度成为不可忽视的问题。本文提出梯度超对齐（Gradient-HA）作为一种基于梯度的功能对齐方法，适用于具有大量样本与体素的多被试 fMRI 数据集。Gradient-HA 的优势在于能够利用独立成分分析（ICA）与随机梯度上升（SGA）解决独立性与高维问题。在大数据上的多分类任务验证表明，与其他最先进（state-of-the-art）的功能对齐方法相比，Gradient-HA 方法具有更低的时间复杂度和相当或更优的性能。
引用
@article{arxiv.1807.02612,
title = {Gradient Hyperalignment for multi-subject fMRI data alignment},
author = {Tonglin Xu and Muhammad Yousefnezhad and Daoqiang Zhang},
journal= {arXiv preprint arXiv:1807.02612},
year = {2018}
}
备注
15th Pacific Rim International Conference on Artificial Intelligence (PRICAI 2018), Nanjing, China, August 28-31, 2018