典型文献
基于原型学习与深度特征融合的脑功能连接分类方法研究
文献摘要：
近年来,基于深度学习的脑功能连接分类方法已成为一个研究热点.为了进一步提高脑功能连接的分类准确率,获得与疾病相关的鉴别性特征,本文提出了一种基于原型学习与深度特征融合的脑功能连接分类方法.该方法首先使用栈式自编码器从脑功能连接中提取从低层次到高层次的深度特征;然后利用原型学习在自编码器的各隐层中提取表示样本类别信息的距离特征;最后采用深度特征融合策略将这些距离特征融合,并将该融合特征用于脑功能连接的类别标签预测.在ABIDE数据集上的实验结果表明,与其他同类方法相比,该方法不仅具有较高的分类准确率,而且能够更加准确地定位与疾病相关的脑区.
文献关键词：
脑功能连接分类;栈式自编码器;原型学习;特征融合
中图分类号：
作者姓名：
梁玉泽;冀俊忠
作者机构：
北京工业大学信息学部 北京100124;多媒体与智能软件技术北京市重点实验室 北京100124;北京人工智能研究院 北京100124
文献出处：
引用格式：
[1]梁玉泽;冀俊忠-.基于原型学习与深度特征融合的脑功能连接分类方法研究)[J].自动化学报,2022(02):504-514
A类：
脑功能连接分类
B类：
基于原型,原型学习,深度特征融合,分类方法,分类准确率,疾病相关,栈式自编码器,低层次,本类,类别信息,距离特征,融合策略,融合特征,征用,ABIDE,脑区
AB值：
0.18444
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
