基于精神分裂症患者脑电图频谱图像的元学习
机器学习
2021-02-17 v2 人工智能
摘要
精神分裂症是一种涉及思维、感知、情绪和行为改变的复杂精神障碍。精神分裂症的诊断具有挑战性，要求患者至少一个月表现出两种或更多阳性症状。识别这种致残性疾病的延迟会阻碍患者获得亟需的治疗。神经影像与机器学习算法的进展可促进精神分裂症的诊断，并帮助临床医生提供准确的疾病诊断。本文提出一种利用卷积神经网络分析精神分裂症患者脑电图频谱图像的方法，并说明了我们如何采用 Model-Agnostic Meta-Learning 与原型网络构建准确的分类器。此类分类器能够依据脑活动区分精神分裂症患者与健康对照者。
引用
@article{arxiv.2101.12208,
title = {Meta-learning on Spectral Images of Electroencephalogram of Schizophenics},
author = {Maritza Tynes and Mahboobeh Parsapoor},
journal= {arXiv preprint arXiv:2101.12208},
year = {2021}
}
备注
Withdrawn by arXiv administrators as co-author did not consent to submit