利用从深度神经网络提取的潜在信息预测帕金森病
机器学习
2019-01-24 v1 图像与视频处理
机器学习
摘要
本文提出一种通过提取并利用训练好的深度卷积或卷积循环神经网络（DNNs）中的潜在信息，对帕金森病等神经退行性疾病进行医学诊断的新方法。具体而言，我们的方法采用迁移学习、k-means 聚类和深度神经网络学习表示的 k-最近邻分类相结合，基于 MRI 和/或 DaT 扫描数据提供增强的疾病预测。引入了一种新的损失函数并用于 DNNs 的训练，以执行不同医疗环境数据间所生成学习表示的适配。结果使用最近发布的帕金森病相关信息数据库呈现，该数据库在医院环境中生成并评估。
引用
@article{arxiv.1901.07822,
title = {Predicting Parkinson's Disease using Latent Information extracted from Deep Neural Networks},
author = {Ilianna Kollia and Andreas-Georgios Stafylopatis and Stefanos Kollias},
journal= {arXiv preprint arXiv:1901.07822},
year = {2019}
}