用于磁共振成像数据特征检测的变分自编码器
机器学习
2016-03-23 v1 神经与进化计算
机器学习
摘要
独立成分分析（ICA）作为盲源分离（BSS）问题的一种方法，已在许多医学成像环境中成为事实上的标准。尽管取得了成功并进行了大量持续研究，ICA 仅限于方阵线性变换的局限性尚未被克服，因此通用的 INFOMAX 仍远未实现。作为替代，我们提出将医学成像中的特征分析作为由亥姆霍兹机解决的问题，亥姆霍兹机在同一目标下包含原始数据的降维与重建，且最近已克服了深度非线性配置下推断与学习的重大困难。我们展示了一种训练亥姆霍兹机的方法，即变分自编码器（VAE），作为利用磁共振成像（MRI）数据进行特征提取的可行途径。
引用
@article{arxiv.1603.06624,
title = {Variational Autoencoders for Feature Detection of Magnetic Resonance Imaging Data},
author = {R. Devon Hjelm and Sergey M. Plis and Vince C. Calhoun},
journal= {arXiv preprint arXiv:1603.06624},
year = {2016}
}