基于时间分布多模态三维CNN的高度准确fMRI ADHD分类
机器学习
2022-05-25 v1 图像与视频处理
摘要
本工作提出了一种用于ADHD障碍分类的fMRI数据分析算法。通过三维卷积神经网络(CNNs)分析fMRI已取得若干突破。借助这些新技术,可以保留fMRI数据的三维空间数据。此外,近期在使用三维生成对抗神经网络(GANs)生成正常MRI数据方面也有进展。本工作利用多模态三维CNNs并结合来自三维GAN的数据增强,从fMRI预测ADHD。通过借助三维GAN,可使用深度伪造数据来提升三维CNN对脑疾病分类的准确率。将对用于分类的时间分布单模态三维CNN模型与以MRI数据为补充的改进多模态模型进行比较。
引用
@article{arxiv.2205.11993,
title = {Highly Accurate FMRI ADHD Classification using time distributed multi modal 3D CNNs},
author = {Christopher Sims},
journal= {arXiv preprint arXiv:2205.11993},
year = {2022}
}
备注
8 pages, 5 Figures, 1 Table