TY -的A2 - Li Peng盟,刘小丽AU -曹彭AU -杨,Jinzhu盟——赵Dazhe PY - 2018 DA - 2018/01/24 TI -线性化和Kernelized稀疏的多任务学习认知结果预测阿尔茨海默病SP - 7429782六世- 2018 AB -阿尔茨海默病(AD)不仅大量财政负担的卫生保健系统也是情感的病人和他们的家属的负担。预测认知表现的主题从他们的磁共振成像(MRI)测量和识别相关成像生物标志物研究阿尔茨海默病的重要研究课题。最近,多任务学习(MTL)方法与sparsity-inducing规范(例如, l 2、1 规范)已被广泛研究的区别的特征子集选择核磁共振特性通过包含内在的相关性在多个临床认知措施。然而,这些作品制定预测任务作为一个线性回归问题。他们认为的主要限制是一个线性核磁共振特性和认知的结果之间的关系。一些multikernel-based MTL方法提出了示由于非线性的优势更好的泛化能力。我们量化现有线性和非线性MTL方法的力量通过评估他们的表现在认知评分预测阿尔茨海默氏症。此外,我们扩展了传统 l 2、1 更一般的规范 l 问 l 1 规范( 问 ≥ 1 )。阿尔茨海默病的神经影像学数据库实验表明,非线性 l 2、1 l 问 -MKMTL方法不仅实现了更好的预测性能比最先进的竞争方法,还有效地融合多峰性数据。SN - 1748 - 670 - 2018/7429782 / 10.1155 x你——https://doi.org/10.1155/2018/7429782——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER