教程：将变分自编码器作为神经影像学中的推断范式
图像与视频处理
2025-01-15 v1 人工智能
摘要
本教程探讨了变分自编码器（VAEs），这是一种特别适用于神经影像等高维数据集的无监督学习框架。通过将深度学习与贝叶斯推断相结合，VAEs 能够生成可解释的潜在表示。本教程阐述了VAEs的理论基础，讨论了诸如收敛问题和过拟合等实际挑战，并介绍了重参数化技巧和超参数优化策略。我们还概述了VAEs在神经影像学中的关键应用，展示了其潜在的发现有意义模式的能力，包括与神经退行性进程相关的模式，以及其对于分析复杂脑数据所具有的更广泛意义。
引用
@article{arxiv.2501.08009,
title = {Tutorial: VAE as an inference paradigm for neuroimaging},
author = {C. Vázquez-García and F. J. Martínez-Murcia and F. Segovia Román and Juan M. Górriz Sáez},
journal= {arXiv preprint arXiv:2501.08009},
year = {2025}
}
备注
18 pages, 4 figures