引入并应用牛顿模糊：braingraph.org 上 126,000 个人类连接组的增强数据集
神经元与认知
2020-10-22 v3 人工智能
摘要
高斯模糊是一种成熟的图像数据增强方法：它可以从少量图片生成大量图像，用于人工智能（AI）应用的训练和测试。当我们将 AI 应用于非图像类的生物数据时，几乎不存在相关方法。在此我们引入人类脑图（或连接组）增强中的“牛顿模糊”：从 1053 名受试者的数据集出发，我们首先对描述不同大脑区域连接的概率加权脑图构建算法重复 10 次，然后以所有可能的方式取其中 7 次重复，删除最低和最高极端值，并对剩余的 7-2=5 个边权重求平均以得到每名受试者的数据。通过这种方式我们将 1053 个图集合增强至 120 × 1053 = 126,360 个图。在增强技术中，一个重要要求是不得向数据集中引入人为添加物。高斯模糊以及此处的牛顿模糊均满足这一目标。所得的 126,360 个图的数据集，每个具有 5 种分辨率（即总计 631,800 个图），可在 https://braingraph.org/cms/download-pit-group-connectomes/ 免费获取。牛顿模糊增强也可能适用于其他非图像相关领域，其中实现了概率处理与数据平均。
引用
@article{arxiv.2010.09568,
title = {Introducing and Applying Newtonian Blurring: An Augmented Dataset of 126,000 Human Connectomes at braingraph.org},
author = {Laszlo Keresztes and Evelin Szogi and Balint Varga and Vince Grolmusz},
journal= {arXiv preprint arXiv:2010.09568},
year = {2020}
}