(fMRI画像の)特徴抽出のためにウェーブレット分解を使用する方法は?

私は4つのグループに分けられた(マウスからの)fMRI画像からなるデータセットを有している(異なる薬物用量レベルが適用されている)。各fMRI画像は4Dであり、これは各ボクセルが時系列であることを意味する。各fMRI画像について、1つの特徴ベクトルを抽出したい。

今度は、特徴抽出にウェーブレット分解を使用したいと思います。 Matlabには4Dウェーブレット分解が存在しないので、時系列の平均をとることで4D画像を3Dに変換します。次に、3Dウェーブレット分解を適用し、LL成分をフィーチャとして取り上げることができます。つまり、次のようなことを意味します。

WT = wavedec3(fMRI, 4, 'db4');
LL = WT.dec(1);
temp = cell2mat(LL);
feature_vector = temp(:);

もちろん、後のフィーチャ選択アルゴリズム(再帰的なフィーチャ除去など)を適用して次元を減らすことができます。

別の可能性は、各3Dボリュームの3Dウェーブレット分解と、LL成分の抽出であろう。これは私が各時点で行うことができ、大きな特徴ベクトルを得るためにLL成分を積み重ねることです。

このアプローチについてどう思いますか?より良いアプローチがありますか?

編集:ここに画像があります: https:///www.dropbox.com/s/50gr2f1c66stcq4/tCut10_4D1c0_iso2238-brain.nii.gz?dl=0 私は論文で以下のアプローチを見つけました:強い>

高次サブバンドの連結を使用することにしました   各分解からの係数をk-最近傍の特徴ベクトル   近隣分類

Matlabで高次のサブバンド係数を取得するにはどうすればよいですか(例:wavedec3を使用)?それぞれの分解ではどういう意味ですか?

0
抽出する機能は、どのように使用されるかによって異なります。次のステップは何ですか?また、 WT.dec(1)はローパスコンポーネントだけです。つまり、ウェーブレットレスポンスを使用していません。
追加された 著者 Ray Myers,
いくつかのチュートリアルのためにgoogleをしたり、似たようなアプリケーションを使って論文を見つけたり、彼らのアプローチを実装したりすることができます。私は4つのグループを区別する何かを作りたいと思っていますか?イメージを投稿できますか? HOGやBIFのようなものから、あるいは生の画像から始めてみて、あなたのマシンが働くことを学び、次にさまざまなfeatures.Alsoで自分自身を見て、どのような特徴があるかを見てみましょう。人間の脳は最高の画像解析装置なので、あなたが良い弁別器であると考えるものは、おそらく機能として価値があるでしょう
追加された 著者 Ray Myers,
次のステップは、特徴選択(例えば、主成分分析またはANOVA)またはそれを機械学習分類器に直接供給することである。つまり、列がフィーチャで、行がデータポイント(イメージ)であるマトリックスがあり、これがマシンの学習に役立ちます。
追加された 著者 Aman Tandon,
私はWT.dec(1)が低域成分であることを認識しませんでした。ハイパスコンポーネントを使用することをお勧めしますか?その場合は、どのようにしてMatlabで取得できますか?私はウェーブレットや信号処理に慣れていないので、説明することができれば本当にうれしいでしょう。
追加された 著者 Aman Tandon,
私は私のポストを更新しました。見てください。はい、4つのグループを区別する分類器を学習する機械を訓練したいと思います。
追加された 著者 Aman Tandon,

答えはありません

0