基于时间反转的自监督精神障碍分类器
机器学习
2022-12-01 v2 图像与视频处理
摘要
由于患者数据法律，数据稀缺是一个突出问题，尤其是在医疗领域。因此，高效的预训练技术有助于缓解这一问题。在本文中，我们证明了在功能神经影像数据的时间方向上训练的模型可以辅助任何下游任务，例如在fMRI数据中将疾病与健康对照进行分类。我们使用独立成分分析（ICA）技术，基于从fMRI数据中提取的独立成分训练了一个深度神经网络。该网络在基于ICA的数据中学习时间方向。该预训练模型随后在不同数据集上进一步训练以分类脑部疾病。通过各种实验，我们证明了学习时间方向有助于模型学习fMRI数据中的某些因果关系，从而加快收敛速度，因此，即使在数据记录较少的情况下，该模型在下游分类任务中也能很好地泛化。
引用
@article{arxiv.2211.16398,
title = {Self-Supervised Mental Disorder Classifiers via Time Reversal},
author = {Zafar Iqbal and Usman Mahmood and Zening Fu and Sergey Plis},
journal= {arXiv preprint arXiv:2211.16398},
year = {2022}
}
备注
10 pages, 7 figures