醫(yī)學(xué)數(shù)據(jù)標(biāo)注成本高昂,不同研究中心提供的腦影像數(shù)據(jù)間存在分布差異,無法有效整合,影響預(yù)測模型性能.針對此問題,文中提出基于多圖核的遷移學(xué)習(xí)方法,將不同的圖核用于挖掘腦網(wǎng)絡(luò)結(jié)構(gòu)信息并衡量腦網(wǎng)絡(luò)間的相似性.提出多核學(xué)習(xí)框架,提高遷移模型的性能.在自閉癥譜系障礙（ASD）多中心數(shù)據(jù)集上驗(yàn)證文中方法可有效利用腦網(wǎng)絡(luò)數(shù)據(jù)的結(jié)構(gòu)信息.多核學(xué)習(xí)框架也可綜合不同圖核的優(yōu)點(diǎn),進(jìn)一步提高方法在腦網(wǎng)絡(luò)數(shù)據(jù)上的分類性能. 

【文章來源】：模式識別與人工智能. 2020,33(06)北大核心CSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1 基于多圖核的遷移學(xué)習(xí)方法
    1.1 數(shù)據(jù)預(yù)處理與腦網(wǎng)絡(luò)構(gòu)建
    1.2 基于多圖核的多源域遷移學(xué)習(xí)方法
        1.2.1 多圖核學(xué)習(xí)
        1.2.2 基于模型的多源域遷移學(xué)習(xí)
2 實(shí)驗(yàn)及結(jié)果分析
3 結(jié) 束 語



本文編號：3436940