利用 T1 加权 MR 图像与 StackNet 预测儿童的流体智力
机器学习
2020-05-13 v3 计算机视觉与模式识别
机器学习
摘要
本工作中，我们利用 T1 加权 MR 图像和 StackNet 预测青少年的流体智力。我们的框架包括特征提取、特征归一化、特征去噪、特征选择、训练 StackNet 以及预测流体智力。所提取的特征是不同脑分区中不同脑组织的分布。所提出的 StackNet 由三层和 11 个模型组成。每一层使用来自所有先前层（包括输入层）的预测。所提出的 StackNet 在公开基准 Adolescent Brain Cognitive Development Neurocognitive Prediction Challenge 2019 上进行了测试，并在训练与验证集合并集上以 10 折交叉验证取得了 82.42 的均方误差。此外，所提出的 StackNet 在测试数据上也取得了 94.25 的均方误差。源代码已在 GitHub 上提供。
引用
@article{arxiv.1904.07387,
title = {Predicting Fluid Intelligence of Children using T1-weighted MR Images and a StackNet},
author = {Po-Yu Kao and Angela Zhang and Michael Goebel and Jefferson W. Chen and B. S. Manjunath},
journal= {arXiv preprint arXiv:1904.07387},
year = {2020}
}
备注
8 pages, 2 figures, 3 tables, Accepted by MICCAI ABCD-NP Challenge 2019; Added NDA