机构名称：
¥ 3.0
-背景。自闭症谱系障碍 (ASD) 在不同程度上影响大脑连接。尽管如此，由于 ASD 的异质性，使用磁共振成像 (MRI) 非侵入性地区分此类影响对于机器学习诊断框架来说仍然非常具有挑战性。到目前为止，现有的网络神经科学工作主要集中在功能性（源自功能性 MRI）和结构性（源自扩散 MRI）大脑连接上，这可能无法捕捉大脑区域之间的相关形态变化。事实上，使用源自传统 T1 加权 MRI 的形态学大脑网络进行 ASD 诊断的机器学习 (ML) 研究非常稀少。-新方法。为了填补这一空白，我们利用众包通过组织 Kaggle 竞赛来构建一个用于神经系统疾病诊断的机器学习管道池，并使用源自 T1 加权 MRI 的皮质形态学网络将其应用于 ASD 诊断。-结果。比赛期间，参赛者将获得一个训练数据集，并且只能在公开测试数据上检查自己的表现。最终评估基于准确度、敏感度和特异性指标，在公开和隐藏测试数据集上进行。团队分别使用每个绩效指标进行排名，最终排名根据所有排名的平均值确定。排名第一的团队
脑网络分类的机器学习方法
主要关键词
相关文件推荐
