用于脑网络分类的保结构图核
图像与视频处理
2022-02-23 v2 计算机视觉与模式识别
摘要
本文提出一种用于连接组分析的基于图的新颖核学习方法。具体而言，我们展示了如何利用图表示中自然存在的结构，将先验知识编码入核中。我们首先提出一种矩阵分解，直接从连接组数据的自然对称图表示中提取结构特征。随后利用这些特征导出一种保结构图核，输入支持向量机。所提方法具有临床可解释的优势。在具有挑战性的 HIV 疾病分类（DTI 与 fMRI 衍生的连接组数据）和情绪识别（EEG 衍生的连接组数据）任务上的定量评估表明，我们提出的方法优于当前最优方法。结果显示，相关的 EEG 连接组信息在情绪调节任务中主要编码于 alpha 频段。
引用
@article{arxiv.2111.10803,
title = {Structure-Preserving Graph Kernel for Brain Network Classification},
author = {Jun Yu and Zhaoming Kong and Aditya Kendre and Hao Peng and Carl Yang and Lichao Sun and Alex Leow and Lifang He},
journal= {arXiv preprint arXiv:2111.10803},
year = {2022}
}