利用深度矩阵分解识别多尺度分层脑功能网络
计算机视觉与模式识别
2018-09-18 v1
摘要
我们提出了一种深度半非负矩阵分解方法，用于从静息态fMRI数据中识别具有分层组织的多空间尺度下的受试者特异性功能网络（FNs）。我们的方法建立在深度半非负矩阵分解框架之上，以联合检测具有分层组织的多尺度功能网络，并通过组稀疏正则化增强，在不损失受试者间可比性的情况下识别受试者特异性功能网络。所提出的方法已通过基于同一受试者的分层多尺度功能网络的功能连接度量来预测受试者特异性功能激活进行了验证。实验结果表明，与替代技术获得的结果相比，我们的方法可以获得受试者特异性的多尺度分层功能网络，并且其在不同尺度上的功能连接度量能更好地预测受试者特异性功能激活。
引用
@article{arxiv.1809.05557,
title = {Identification of multi-scale hierarchical brain functional networks using deep matrix factorization},
author = {Hongming Li and Xiaofeng Zhu and Yong Fan},
journal= {arXiv preprint arXiv:1809.05557},
year = {2018}
}
备注
Accepted by MICCAI 2018