文献类型：期刊文章

作　　者：邢新颖[1] 冀俊忠[1] 姚垚[1]

Xing Xinying;Ji Junzhong;Yao Yao(College of Computer,Faculty of Information Technology,Beijing University of Technology,Beijing 100124)

机构地区：[1]北京工业大学信息学部计算机学院,北京100124

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金项目(61672065)。

年　　份：2020

卷　　号：57

期　　号：7

起止页码：1449-1459

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：脑网络分类是脑科学研究中的一项重要课题.近年来,基于卷积神经网络的脑网络分类方法已经成为一个前沿热点.然而,目前仍难以对数据维度高、样本量小的脑网络数据进行精准分类.由于不同人群的临床表型与其脑网络差异存在着一定的依存关系,极有可能为脑网络分类提供辅助信息,故提出一种新的基于自适应多任务卷积神经网络的脑网络分类方法.该方法引入临床表型预测作为辅助任务,通过多任务卷积神经网络的共享表示机制来为脑网络分类提供有用信息;同时为了降低实验成本和人工操作带来的误差,提出了一种新的自适应方法来代替人工调整多任务学习中各个子任务的权重.在ABIDE I(autism brain imaging data exchange I)数据集上的实验结果表明:引入临床表型预测任务的多任务卷积神经网络能够获得更好的脑网络分类结果,而且自适应多任务学习方法能够进一步提升脑网络的分类性能.

关 键 词：脑网络分类  卷积神经网络 多任务学习 临床表型 自适应方法

分 类 号：TP18]