用于结构脑网络分类的同步矩阵对角化
机器学习
2020-01-24 v1
摘要
本文考虑了基于连接组数据的脑疾病分类问题。连接组是人脑的网络表示。由于数据样本量小且维数高，典型的连接组分类问题极具挑战性。我们提出使用邻接矩阵的同步近似对角化，以更稳定的方式计算其特征结构。所得的近似特征值进一步用作分类特征。实验证明，所提方法在阿尔茨海默病检测中是有效的，优于简单基线方法，并与脑疾病分类的 SOTA 方法相竞争。
引用
@article{arxiv.1710.05213,
title = {Simultaneous Matrix Diagonalization for Structural Brain Networks Classification},
author = {Nikita Mokrov and Maxim Panov and Boris A. Gutman and Joshua I. Faskowitz and Neda Jahanshad and Paul M. Thompson},
journal= {arXiv preprint arXiv:1710.05213},
year = {2020}
}