计算机科学与探索

作者：彭瑶，祖辰，张道强

单位：南京航空航天大学 计算机科学与技术学院，南京 211106

关键词：超图学习,多任务学习,特征选择,多模态分类,阿尔茨海默症

目前机器学习算法已经被广泛应用到脑疾病的诊断中。医学影像数据由于样本珍贵，并且特征维数往往远大于已有样本数目，在实际应用中这是典型的小样本问题。此外，通过不同的成像手段可以得到不同模态的数据（例如MRI和PET）。从而提出一种基于超图的多模态特征选择算法。首先将每组模态当作一组任务，利用l2,1 范数进行特征选择，保证不同模态相同脑区的特征被选中。然后使用超图技术来刻画数据样本与样本之间的高阶信息，从而充分利用每组模态数据内部的分布先验。最后利用多核支持向量机对选择后的特征进行融合分类，从而提高对疾病的诊断精度。在ADNI数据集上对提出的方法进行验证，并与传统方法进行对比，实验结果说明了提出方法的有效性。

来源：2018年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2018年第1期