基于任务态fMRI时序信息学习用于合成数据增强
图像与视频处理
2023-08-31 v1 计算机视觉与模式识别
机器学习
摘要
训练数据不足是医学图像分析中的一个长期问题，特别是对于使用特定认知任务获取的时空成像数据的任务态功能磁共振图像（fMRI）。本文提出一种生成合成fMRI序列的方法，该序列可用于在下游学习任务中创建增强训练数据集。为合成高分辨率任务特异性fMRI，我们改进了-GAN结构，结合GAN与变分自编码器模型的优势，并提出了聚合时间信息的不同方案。我们从多个角度评估合成图像，包括可视化以及一个自闭症谱系障碍（ASD）分类任务。结果表明，合成任务态fMRI可在学习ASD分类任务中提供有效的数据增强。
引用
@article{arxiv.2308.15564,
title = {Learning Sequential Information in Task-based fMRI for Synthetic Data Augmentation},
author = {Jiyao Wang and Nicha C. Dvornek and Lawrence H. Staib and James S. Duncan},
journal= {arXiv preprint arXiv:2308.15564},
year = {2023}
}
备注
Accepted by Machine Learning in Clinical Neuroimaging 2023 (MICCAI workshop), preprint version