OpenNDD：面向神经发育障碍检测的开集识别
计算机视觉与模式识别
2024-10-28 v2 人工智能
机器学习
摘要
由于神经发育障碍（NDDs）如注意缺陷多动障碍之间存在较强的共病相似性，会干扰孤独症谱系障碍（ASD）的准确诊断，从 NDDs 中识别未知类别极为关键且具有挑战性。我们设计了一种用于 ASD 辅助诊断的新型开集识别框架（OpenNDD），其通过结合自编码器与对抗互易点学习来训练模型，以区分分布内与分布外类别并准确识别 ASD。考虑到 NDDs 之间的强相似性，我们提出一种由 Min-Max 缩放与标准化（MMS）结合的联合缩放方法，以增大类间差异从而更好区分未知 NDDs。我们在来自 Autism Brain Imaging Data Exchange I（ABIDE I）与 THE ADHD-200 SAMPLE（ADHD-200）的混合数据集上开展实验，包含来自四个站点的 791 个样本，结果在多项指标上展示了优越性。我们的 OpenNDD 取得了有前景的性能，其中准确率为 77.38%，AUROC 为 75.53%，开集分类率高达 59.43%。
引用
@article{arxiv.2306.16045,
title = {OpenNDD: Open Set Recognition for Neurodevelopmental Disorders Detection},
author = {Jiaming Yu and Zihao Guan and Xinyue Chang and Shujie Liu and Zhenshan Shi and Xiumei Liu and Changcai Yang and Riqing Chen and Lanyan Xue and Lifang Wei},
journal= {arXiv preprint arXiv:2306.16045},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication