Resumen

Los modelos de aprendizaje profundo se han aplicado con éxito al análisis de diversos datos de IRM funcional. Las redes neuronales convolucionales (CNN), una clase de redes neuronales profundas, han demostrado ser excelentes en la extracción de características locales significativas basadas en su arquitectura de pesos compartidos y características de invariabilidad espacial. En este estudio, proponemos la CNN M2D, un novedoso modelo de CNN 2D multicanal, para clasificar los datos de fMRI 3D. El modelo utiliza datos 2D de fMRI como entrada e integra la información multicanal aprendida de las redes CNN 2D. Comparamos experimentalmente la CNN M2D propuesta con varios modelos ampliamente utilizados, incluyendo SVM, CNN 1D, CNN 2D, CNN 3D y CNN 3D separable, con respecto a su rendimiento en la clasificación de datos de fMRI basados en tareas. Probamos la CNN M2D contra seis modelos como puntos de referencia para clasificar un gran número de datos de imágenes de todo el cerebro en series temporales basados en una tarea motora en el Proyecto Conectoma Humano (HCP). Los resultados de nuestros experimentos demuestran lo siguiente (i) las operaciones de convolución en los modelos CNN son ventajosas para la clasificación de datos de imágenes de todo el cerebro de alta dimensión, ya que todos los modelos CNN superan al SVM; (ii) los modelos CNN 3D logran una mayor precisión que los modelos CNN 2D y CNN 1D, pero los modelos CNN 3D son computacionalmente costosos ya que se añade cualquier dimensión extra en la entrada; (iii) el modelo CNN M2D propuesto en este estudio logra la mayor precisión y alivia el sobreajuste de datos dado su menor número de parámetros en comparación con CNN 3D.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:datos de imágenes cerebrales, modelo 3d cnn, modelo cnn, m2d cnn, 3d cnn, cnn, datos, red neuronal convolucional, modelo de aprendizaje profundo, red neuronal profunda
• Keywords:brain imaging data, 3d cnn model, cnn model, m2d cnn, 3d cnn, cnn, data, convolutional neural network, deep learning model, deep neural network