静息态 fMRI 分析中的机器学习
机器学习
2019-01-01 v1 计算机视觉与模式识别
定量方法
机器学习
摘要
机器学习技术已在静息态功能磁共振成像(rs-fMRI)数据分析中占据重要地位。在此,我们概述了多种应用于 rs-fMRI 的无监督与有监督机器学习方法。我们给出了静息态 fMRI 中机器学习方法的系统性分类。基于方法是发现跨空间、时间或群体的主要变异模式,我们确定了无监督学习方法在 rs-fMRI 应用上的三大主要分支。接下来,我们综述了推动有监督被试水平预测成功的算法与 rs-fMRI 特征表示。旨在从机器学习应用视角对蓬勃发展的 rs-fMRI 领域提供高层概览。
引用
@article{arxiv.1812.11477,
title = {Machine learning in resting-state fMRI analysis},
author = {Meenakshi Khosla and Keith Jamison and Gia H. Ngo and Amy Kuceyeski and Mert R. Sabuncu},
journal= {arXiv preprint arXiv:1812.11477},
year = {2019}
}
备注
51 pages, 6 figures