基于随机结构稀疏的支持识别及其在定位激活或判别性脑区中的应用：一项多中心可重复性研究
计算机视觉与模式识别
2015-06-09 v1
摘要
在本文中，我们关注如何基于神经影像数据定位与外部刺激或某种精神疾病相关的或具有判别性的脑区，这也被称为支持识别（support identification）。主要困难在于极高维的体素空间与相对较少的训练样本，容易导致不稳定的脑区发现（或在模式识别语境中称为特征选择）。当训练样本来自不同中心且存在中心间差异时，获得可靠且一致的结果将更为困难。相应地，我们重新审视了最近提出的基于稳定性选择（stability selection）与结构稀疏性的算法。该算法首次应用于多中心MRI数据分析。尽管存在中心间数据差异，在不同中心间仍取得了一致且稳定的结果，而许多其他最先进的（state-of-the-art）方法如双样本 t 检验则失败。此外，我们通过实验表明该算法的性能鲁棒且对若干关键参数不敏感。另外，在功能MRI与结构MRI上的支持识别结果具有可解释性，并可作为潜在的生物标记物。
引用
@article{arxiv.1506.02265,
title = {Randomized Structural Sparsity based Support Identification with Applications to Locating Activated or Discriminative Brain Areas: A Multi-center Reproducibility Study},
author = {Yilun Wang and Sheng Zhang and Junjie Zheng and Heng Chen and Huafu Chen},
journal= {arXiv preprint arXiv:1506.02265},
year = {2015}
}
备注
arXiv admin note: text overlap with arXiv:1410.4650