集成神经网络与字典学习从功能连接组数据中进行多维临床表征
机器学习
2024-11-21 v2 机器学习
摘要
我们提出一种统一优化框架，将神经网络与字典学习结合以建模静息态功能MRI与行为数据间的复杂交互。字典学习目标将患者相关矩阵分解为一组共享基网络与受试者特异性载荷。这些受试者特异性特征同时输入至一个预测多维临床信息的神经网络。我们的新颖优化框架将神经网络的梯度信息与传统矩阵分解目标的信息结合。该过程共同估计对临床严重程度最具信息性的基网络、受试者载荷与神经网络权重。我们使用52名诊断为自闭症谱系障碍（ASD）的患者在多发分预测任务上评估了我们的组合模型。我们的集成框架在十折交叉验证设定下预测三种不同临床严重程度度量时优于最先进方法。
引用
@article{arxiv.2007.01930,
title = {Integrating Neural Networks and Dictionary Learning for Multidimensional Clinical Characterizations from Functional Connectomics Data},
author = {Niharika Shimona D'Souza and Mary Beth Nebel and Nicholas Wymbs and Stewart Mostofsky and Archana Venkataraman},
journal= {arXiv preprint arXiv:2007.01930},
year = {2024}
}