基于典型相关稀疏自编码器的精神分裂症的分类

发布时间：2021-04-15 08:14

　　通过结合大脑核磁共振成像和基因组信息进行全面系统的分析,影像遗传学已被广泛用于帮助诊断和治疗精神疾病（例如精神分裂症）。本文采用单核苷酸多态性数据和功能性磁共振成像数据联合分析,提出深度典型相关稀疏自编码器模型,探索两类数据之间的非线性关联并进行降维,对精神分裂症患者和健康对照进行分类。最后,实验结果表明,使用深度典型相关稀疏自编码器模型比其他传统模型具有更高的分类准确性。 

【文章来源】：中国医学物理学杂志. 2020,37(03)CSCD

【文章页数】：6 页

【部分图文】：

深度典型相关分析图

图1 深度典型相关分析图其中，σ表示激活函数例如sigmoid、tanh,W∈Rn×p是权重矩阵，b∈Rn是偏置向量。然后，使用解码方程对隐藏表达式进行解码以使数据x?接近原输入x:

自动编码器可以进一步堆叠在一起，以获取更多的信息。通过使用多个自编码器，提出了堆叠稀疏自编码器（Stack Sparse Autoencode,SSAE)[19]。如图3所示，编码层连接到下一个SAE的输入层，以便更好地提取特征。1.3 DCCSAE


本文编号：3138969