利用路径签名预测阿尔茨海默病诊断
定量方法
2020-07-01 v1 应用统计
摘要
路径签名是一种特征生成手段，既可编码数据中的非线性交互，也能保留通常的线性特征。它能够区分时间序列变化的次序：例如海马体是先快速后缓慢萎缩，还是相反。它提供可解释的特征，且无论输入点数量多少，其输出均为定长向量，因而可编码长度不一且含缺失数据点的纵向数据。本文中，我们展示路径签名在为区分阿尔茨海默病患者集合与匹配健康个体集合提供特征方面的应用。所用数据来自阿尔茨海默病神经影像倡议（ADNI）的全脑、脑室与海马体体积测量值。路径签名方法被证明是处理序列数据的有用工具，随着监测技术的应用，此类数据正日益增多。
引用
@article{arxiv.1808.05865,
title = {Using path signatures to predict a diagnosis of Alzheimer's disease},
author = {P. J. Moore and J. Gallacher and T. J. Lyons},
journal= {arXiv preprint arXiv:1808.05865},
year = {2020}
}
备注
5 pages, 3 figures. arXiv admin note: text overlap with arXiv:1808.03273