利用循环神经网络学习精神分裂症障碍的神经标记
计算机视觉与模式识别
2017-12-05 v1
摘要
能够基于脑功能成像数据准确诊断精神障碍患者并确定有效治疗的智能系统具有极大的适用性，并正受到广泛关注。以往大多数机器学习研究使用手工设计的特征，如功能连接，这未能保留脑区之间空间关系及各区信号时间轮廓中潜在的有用信息。在此我们提出一种基于循环-卷积神经网络的新方法，从 4-D fMRI 记录的片段中自动学习有用表征。我们的目标是在功能 MRI 影像（全脑体素水平）中同时利用空间和时间信息来识别精神分裂症患者。
引用
@article{arxiv.1712.00512,
title = {Learning Neural Markers of Schizophrenia Disorder Using Recurrent Neural Networks},
author = {Jumana Dakka and Pouya Bashivan and Mina Gheiratmand and Irina Rish and Shantenu Jha and Russell Greiner},
journal= {arXiv preprint arXiv:1712.00512},
year = {2017}
}
备注
To be published as a workshop paper at NIPS 2017 Machine Learning for Health (ML4H)