信息辅助的字典学习用于fMRI数据分析
摘要：脑功能磁共振成像中的任务相关问题的矩阵分解方法：基于字典学习方法的新方法可以同时考虑实验设计和现有脑图册的先验知识，并有效处理与HRS建模相关的不确定性。此外，该方法还可以避免字典学习方法中与稀疏性相关的正则化参数选择的一个主要缺点。在我们的方法中，采用了一种替代的稀疏性促进约束，它与空间图中的像素数呈直接关系。因此，相关参数可以使用脑图册中可用的信息进行调整。我们将该方法与其他几种常用技术进行了评估，包括广义线性模型(GLM)。通过一种新颖的真实合成脑功能磁共振数据集以及与具有挑战性的实验设计相关的真实数据，我们报道了该方法所获得的性能提升。
作者：Manuel Morante and Yannis Kopsinis and Sergios Theodoridis and Athanassios Protopapas
论文ID：1802.01334
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-08-20