利用机器学习与 3D 神经影像预测听力损失：基于降维与回归技术的比较分析
机器学习
2024-05-03 v2 计算机视觉与模式识别
摘要
在本项目中，我们探索了用于预测脑部灰质 3D 图像中听力阈值的机器学习方法。我们以两个阶段解决该问题。在第一个阶段，我们使用 3D CNN 模型将高维输入降维到潜在空间并解码为原始图像，以在丰富特征空间中表示输入。在第二个阶段，我们利用该模型将输入降维为丰富特征，并使用这些特征来训练标准机器学习模型以预测听力阈值。我们对自编码器和变分自编码器在第一个阶段进行降维实验，探索了随机森林、XGBoost 和多层感知机用于回归阈值的技术。我们将给定的数据集分为训练集和测试集，并在测试集上实现了 8.80 范围和 22.57 范围的 PT500 和 PT4000。我们在其他模型中获得了最低的 RMSE 使用多层感知机。我们的 метод利用 VAE 捕捉高维神经影像数据中复杂非线性关系的独特能力。我们严格评估了各种指标，关注根均方误差（RMSE）。结果突出了多层神经网络模型在准确性方面的优势，超过了其他技术。这一项目推进了数据挖掘在医学诊断中的应用，增强了我们对衰老性听力损失的理解。
引用
@article{arxiv.2405.00142,
title = {Utilizing Machine Learning and 3D Neuroimaging to Predict Hearing Loss: A Comparative Analysis of Dimensionality Reduction and Regression Techniques},
author = {Trinath Sai Subhash Reddy Pittala and Uma Maheswara R Meleti and Manasa Thatipamula},
journal= {arXiv preprint arXiv:2405.00142},
year = {2024}
}