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
文献类型：期刊论文
| 作者 | 梁玉泽; 冀俊忠 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2022 |
| 卷号 | 48期号:2页码:504-514 |
| 关键词 | 脑功能连接分类 栈式自编码器 原型学习 特征融合 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c190747 |
| 英文摘要 | 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. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56416]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 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,2022,48(2):504-514. |
| APA | 梁玉泽,&冀俊忠.(2022).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.自动化学报,48(2),504-514. |
| MLA | 梁玉泽,et al."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".自动化学报 48.2(2022):504-514. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。