基于皮层灰白质对比度、皮层厚度与体积测量的智力预测
神经元与认知
2019-09-13 v1 机器学习
图像与视频处理
机器学习
摘要
我们提出一个四层全连接神经网络（FNN），用于根据 T1 加权 MR 图像预测 ABCD 挑战赛中的流体智力分数。除脑结构体积外，该 FNN 使用了 78 个皮层区域的皮层灰白质（WM/GM）对比度和皮层厚度。后两项测量由 CIVET 流程生成的皮层表面从 T1 加权 MR 图像导出。受试者的年龄、性别以及扫描仪制造商也作为学习算法的特征。这产生了提供给 FNN 的 283 个特征，其两个隐藏层分别有 20 和 15 个节点。该方法应用于 ABCD 研究的数据。使用 3736 名受试者的训练集训练后，所提方法在 415 名受试者的验证集中取得了 71.596 的 MSE 和 0.151 的相关系数。在最终提交中，模型使用 3568 名受试者训练，并在由 4383 名受试者组成的测试集中取得了 94.0270 的 MSE。
引用
@article{arxiv.1909.05660,
title = {Predicting intelligence based on cortical WM/GM contrast, cortical thickness and volumetry},
author = {Juan Miguel Valverde and Vandad Imani and John D. Lewis and Jussi Tohka},
journal= {arXiv preprint arXiv:1909.05660},
year = {2019}
}
备注
Submission to the ABCD Neurocognitive Prediction Challenge at MICCAI 2019