面向静息态 fMRI 功能脑网络自动识别的更轻量模型
计算机视觉与模式识别
2023-07-06 v1
摘要
我们指涉一种基于经典卷积神经网络的模型已展现出良好性能的机器学习情境。我们正在研究以超体素进而以图形式的多种编码技术，以在追踪性能损失的同时降低模型复杂度。该方法在脑肿瘤患者的静息态功能网络识别任务上得到说明。编码超体素的图保留了图像中功能脑网络的激活特征，将模型参数优化（减少）达 26 倍，同时保持 CNN 模型性能。
引用
@article{arxiv.2307.01953,
title = {Toward more frugal models for functional cerebral networks automatic recognition with resting-state fMRI},
author = {Lukman Ismaila and Pejman Rasti and Jean-Michel Lemée and David Rousseau},
journal= {arXiv preprint arXiv:2307.01953},
year = {2023}
}