CASIA OpenIR  > 学术期刊  > 自动化学报
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
梁玉泽; 冀俊忠
Source Publication自动化学报
ISSN0254-4156
2022
Volume48Issue:2Pages:504-514
Abstract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.
Keyword脑功能连接分类 栈式自编码器 原型学习 特征融合
DOI10.16383/j.aas.c190747
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56416
Collection学术期刊_自动化学报
Recommended Citation
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.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2019-0747.pdf(3171KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[梁玉泽]'s Articles
[冀俊忠]'s Articles
Baidu academic
Similar articles in Baidu academic
[梁玉泽]'s Articles
[冀俊忠]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[梁玉泽]'s Articles
[冀俊忠]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2019-0747.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.