• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IIAI International Congress on Advanced Applied Informatics >Learning Representation for fMRI Data Analysis Using Autoencoder
【24h】

Learning Representation for fMRI Data Analysis Using Autoencoder

机译：使用AutoEncoder学习FMRI数据分析的学习表示

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Analysis of fMRI data is very useful for studying relationship between neural activity and a variety of brain functions. For many years, a number of brain image analysis techniques using machine learning were proposed. However, this task is still challenging due to the unique characteristics of the brain data with very small samples but extremely high dimensionality, reducing generalization performance. This paper presents a novel analysis method for fMRI data. It consists of three major steps: (1) Identifying informative voxels, (2) extracting feature space by analyzing semantic relationships among voxels and (3) learning fMRI classifier from the extracted features. Preliminary experimental results conducted on the task of image prediction from fMRI data confirmed that the proposed method achieves improvements of classification accuracy more than 20% in mean accuracy in comparing with current neuroimaging methods.
机译：对FMRI数据的分析对于学习神经活动与各种大脑功能之间的关系非常有用。多年来，提出了许多使用机器学习的大脑图像分析技术。然而，由于脑数据具有非常小的样品但极度极高的大脑数据的独特特征，这项任务仍然具有挑战性，但减少了泛化性能。本文提出了一种用于FMRI数据的新型分析方法。它由三个重要步骤组成：（1）通过分析Voxels之间的语义关系和从提取的特征分析FMRI分类器中的语义关系来识别信息voxels，（2）提取特征空间。对FMRI数据的图像预测任务进行了初步实验结果证实，该方法在与目前的神经影像方法相比，拟议的方法在平均准确性中实现了20％以上的分类精度超过20％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号