Sökning: onr:"swepub:oai:DiVA.org:umu-164661" >
Network Regularizat...
Network Regularization in Imaging Genetics Improves Prediction Performances and Model Interpretability on Alzheimer’s Disease
-
Guigui, N. (författare)
-
Philippe, C. (författare)
-
Gloaguen, A. (författare)
-
visa fler...
-
Karkar, S. (författare)
-
Guillemot, V. (författare)
-
- Löfstedt, Tommy (författare)
- Umeå universitet,Radiofysik
-
Frouin, V. (författare)
-
visa färre...
-
(creator_code:org_t)
- IEEE, 2019
- 2019
- Engelska.
-
Ingår i: 2019 IEEE 16th International Symposium on Biomedical Imaging (ISBI 2019). - : IEEE. - 9781538636411 ; , s. 1403-1406
- Relaterad länk:
-
https://urn.kb.se/re...
-
visa fler...
-
https://doi.org/10.1...
-
visa färre...
Abstract
Ämnesord
Stäng
- Imaging genetics is a growing popular research avenue which aims to find genetic variants associated with quantitative phenotypes that characterize a disease. In this work, we combine structural MRI with genetic data structured by prior knowledge of interactions in a Canonical Correlation Analysis (CCA) model with graph regularization. This results in improved prediction performance and yields a more interpretable model.
Ämnesord
- MEDICIN OCH HÄLSOVETENSKAP -- Klinisk medicin -- Radiologi och bildbehandling (hsv//swe)
- MEDICAL AND HEALTH SCIENCES -- Clinical Medicine -- Radiology, Nuclear Medicine and Medical Imaging (hsv//eng)
Nyckelord
- Imaging genetics
- Networks
- Structured constraints
- Generalized Canonical Correlation Analysis
Publikations- och innehållstyp
- ref (ämneskategori)
- kon (ämneskategori)
Hitta via bibliotek
Till lärosätets databas