个性化多层张量学习及其在影像分析中的应用
机器学习
2019-03-22 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
本工作受多模态乳腺癌影像数据驱动，该数据极具挑战性，因为离散肿瘤相关微囊泡（TMVs）的信号以异质模式随机分布。这对假设同质特征结构的传统影像回归与降维模型提出了重大挑战。我们开发了一种创新的多层张量学习方法，将异质性纳入高阶张量分解，并通过利用个体层面的影像特征与多模态信息有效预测疾病状态。具体而言，我们构建了一个多层分解，除模态特定张量结构外还利用了一个个性化影像层。我们方法的一大优势是能够高效捕捉未被群体结构刻画的信号的异质空间特征，同时整合多模态信息。为实现可扩展计算，我们提出了一种新的双层块改进算法。在理论上，我们研究了算法收敛性质、张量信号恢复误差界以及预测模型估计的渐近一致性。我们还将所提方法应用于模拟与人体乳腺癌影像数据。数值结果表明该方法优于其他现有竞争方法。
引用
@article{arxiv.1903.08871,
title = {Individualized Multilayer Tensor Learning with An Application in Imaging Analysis},
author = {Xiwei Tang and Xuan Bi and Annie Qu},
journal= {arXiv preprint arXiv:1903.08871},
year = {2019}
}