基于最优传输的多中心自闭症谱系障碍诊断
【摘要】 融合来自多个中心的医学数据能够增加样本数量，有助于研究自闭症谱系障碍（Autismspectrumdisorder，ASD）的病理变化。因此，如何有效地利用多中心数据，提高对ASD诊断的准确性受到了越来越多的关注。然而，以往的大部分研究忽略了多中心数据的异质性（如受试者群体和扫描参数的不同），这可能会降低模型在多中心数据上对疾病诊断的性能。为了解决这一问题，提出一种基于联合分布最优传输（Jointdistributionoptimaltransport，JDOT）的领域自适应模型鉴别ASD。选择一个中心作为目标域，其余的中心作为源域，假设两个域的联合特征、标签空间分布之间存在非线性映射，利用最优传输方法交替优化传输矩阵和分类器。结果表明
