基于人脑扩散张量成像的机器学习应用：一项PubMed文献综述
机器学习
2020-12-22 v1
摘要
我们进行了一项PubMed检索，找到2010年1月至2019年12月间发表的148篇与人脑、扩散张量成像（DTI）和机器学习（ML）相关的论文。这些研究聚焦于健康队列（n=15）、精神健康障碍（n=25）、肿瘤（n=19）、创伤（n=5）、痴呆（n=24）、发育障碍（n=5）、运动障碍（n=9）、其他神经障碍（n=27）、杂项非神经障碍或未说明聚焦疾病（n=7），以及上述类别的多种组合（n=12）。利用DTI信息对患者进行分类是最常见（n=114）的ML应用。大量研究（n=93）使用支持向量机（SVM）作为分类的首选ML模型。近年（2018-2019）发表的文献中显著部分（31/44）继续使用作为传统ML一部分的SVM、支持向量回归与随机森林。尽管针对各类健康状况（包括健康）开展了多种应用，大多数研究基于小队列（少于100）且未在测试集上进行独立/外部验证。
引用
@article{arxiv.2012.10517,
title = {Machine learning applications using diffusion tensor imaging of human brain: A PubMed literature review},
author = {Ashirbani Saha and Pantea Fadaiefard and Jessica E. Rabski and Alireza Sadeghian and Michael D. Cusimano},
journal= {arXiv preprint arXiv:2012.10517},
year = {2020}
}
备注
20 pages, 1 figure, 1 Supplementary file