Single Volume Image Generator and Deep Learning-Based ASD Classification

计算机科学 人工智能 卷积神经网络 深度学习 模式识别(心理学) 分类器(UML) 体素 上下文图像分类 自闭症谱系障碍 预处理器 功能磁共振成像 机器学习 神经影像学 图像(数学) 自闭症 心理学 精神科 发展心理学 生物 神经科学
作者
Md Rishad Ahmed,Yuan Zhang,Yi Liu,Hongen Liao
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:24 (11): 3044-3054 被引量:57
标识
DOI:10.1109/jbhi.2020.2998603
摘要

Autism spectrum disorder (ASD) is an intricate neuropsychiatric brain disorder characterized by social deficits and repetitive behaviors. Deep learning approaches have been applied in clinical or behavioral identification of ASD; most erstwhile models are inadequate in their capacity to exploit the data richness. On the other hand, classification techniques often solely rely on region-based summary and/or functional connectivity analysis of functional magnetic resonance imaging (fMRI). Besides, biomedical data modeling to analyze big data related to ASD is still perplexing due to its complexity and heterogeneity. Single volume image consideration has not been previously investigated in classification purposes. By deeming these challenges, in this work, firstly, we design an image generator to generate single volume brain images from the whole-brain image by considering the voxel time point of each subject separately. Then, to classify ASD and typical control participants, we evaluate four deep learning approaches with their corresponding ensemble classifiers comprising one amended Convolutional Neural Network (CNN). Finally, to check out the data variability, we apply the proposed CNN classifier with leave-one-site-out 5-fold cross-validation across the sites and validate our findings by comparing with literature reports. We showcase our approach on large-scale multi-site brain imaging dataset (ABIDE) by considering four preprocessing pipelines, which outperforms the state-of-the-art methods. Hence, it is robust and consistent.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
xuedan3000完成签到 ,获得积分10
2秒前
Ll完成签到 ,获得积分10
3秒前
心灵美鑫完成签到 ,获得积分10
3秒前
西红柿不吃皮完成签到 ,获得积分10
5秒前
疯狂的绝山完成签到,获得积分10
8秒前
柠栀完成签到 ,获得积分10
8秒前
啦啦啦完成签到 ,获得积分10
12秒前
耀学菜菜应助汪姝采纳,获得10
20秒前
火星上白羊完成签到,获得积分10
21秒前
可靠小凝完成签到 ,获得积分10
21秒前
奈思完成签到 ,获得积分10
23秒前
明某到此一游完成签到 ,获得积分10
25秒前
shenghao完成签到 ,获得积分10
27秒前
ppp完成签到,获得积分10
27秒前
六初完成签到 ,获得积分10
32秒前
apollo3232完成签到,获得积分10
34秒前
mojomars完成签到,获得积分10
36秒前
nuonuomimi完成签到,获得积分10
37秒前
鲜于雁芙完成签到 ,获得积分10
37秒前
周星星同学完成签到 ,获得积分10
41秒前
无为完成签到 ,获得积分10
43秒前
花园里的蒜完成签到 ,获得积分0
44秒前
了晨完成签到 ,获得积分10
45秒前
平常的仙人掌完成签到,获得积分10
46秒前
在水一方应助maxyer采纳,获得10
46秒前
47秒前
海雅完成签到 ,获得积分10
47秒前
49秒前
Accept完成签到,获得积分10
50秒前
蓝天完成签到,获得积分10
51秒前
文艺初雪发布了新的文献求助10
52秒前
澧abc完成签到 ,获得积分10
53秒前
xwl9955完成签到 ,获得积分10
55秒前
薛访梦完成签到,获得积分10
56秒前
任伟超完成签到,获得积分10
56秒前
咻咻完成签到,获得积分10
57秒前
小杨完成签到,获得积分10
57秒前
clare完成签到 ,获得积分10
58秒前
ZeradesY完成签到,获得积分10
1分钟前
冷酷的啤酒完成签到,获得积分10
1分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3244791
求助须知:如何正确求助?哪些是违规求助? 2888434
关于积分的说明 8252939
捐赠科研通 2556941
什么是DOI,文献DOI怎么找? 1385522
科研通“疑难数据库(出版商)”最低求助积分说明 650176
邀请新用户注册赠送积分活动 626303