基于一种新颖特征选择方法与变分自编码器的自闭症谱系障碍识别
图像与视频处理
2022-04-11 v1 计算机视觉与模式识别
机器学习
摘要
无创脑成像技术如静息态功能性磁共振成像（rs-fMRI）的发展及其与人工智能算法的结合，为自闭症谱系障碍（ASD）的早期诊断提供了一种有前景的解决方案。然而，当前基于 rs-fMRI 的 ASD 分类性能仍需提高。本文介绍了一个基于 rs-fMRI 辅助 ASD 诊断的分类框架。在该框架中，我们提出了一种基于阶跃分布曲线差异（DSDC）的新型过滤式特征选择方法，用于选择显著的功能连接（FCs），并利用一个由简化变分自编码器（VAE）预训练的多层感知机（MLP）进行分类。我们还设计了一个由归一化程序和修正的双曲正切（tanh）激活函数组成的流程，以替代原始的 tanh 函数，进一步提高了模型精度。我们的模型通过 10 次 10 折交叉验证进行评估，取得了 78.12% 的平均准确率，优于在同一数据集上报道的最先进方法。鉴于敏感性和特异性在疾病诊断中的重要性，我们在模型中设计了两个约束条件，可将模型的敏感性和特异性分别提高多达 9.32% 和 10.21%。所添加的约束使我们的模型能够处理不同的应用场景，并可广泛使用。
引用
@article{arxiv.2204.03654,
title = {Identification of Autism spectrum disorder based on a novel feature selection method and Variational Autoencoder},
author = {Fangyu Zhang and Yanjie Wei and Jin Liu and Yanlin Wang and Wenhui Xi and Yi Pan},
journal= {arXiv preprint arXiv:2204.03654},
year = {2022}
}
备注
15 pages, 11 figures