基于迁移学习的神经影像分析和阿尔茨海默病诊断

摘要：

传统的基于机器学习的阿尔茨海默病诊断方法在跨域数据集上的分类结果不尽如人意.为了解决域间数据分布差异的问题,本文提出了一种基于多图谱特定类重构的域自适应迁移学习方法.首先使用多图谱数据来获取样本丰富的特征信息;接着通过投影矩阵将源域和目标域的数据投影到公共子空间中;然后使用重构矩阵来消除源域和目标域相同类的数据之间的分布差异;最后为了保留域中数据全局的结构信息,对重构矩阵使用低秩约束.该方法在多中心阿尔茨海默病成像数据集和阿尔茨海默病神经影像学计划数据集上进行实验,实验结果显示,提出的方法相比其他传统方法在跨域数据集上可以更准确地诊断阿尔茨海默病.

关键词：迁移学习、域自适应、阿尔茨海默病、神经影像、特征选择

所属期刊栏目：51

分类号：TP183;TP391.4(自动化基础理论)

资助基金：国家自然科学基金;河北省自然科学基金

在线出版日期：2023-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：31-39