19、多尺度相异数据表示与基于核的脑深部电刺激参数估计

多尺度相异数据表示与基于核的脑深部电刺激参数估计

1. 多尺度相异数据的紧凑表示

在处理多尺度相异数据时，提出了一种新策略，以紧凑且有区分性的方式来表示可能非度量的多尺度相异数据。

1.1 实现方式

• 多尺度表示 ：通过扩展相异空间来实现。
• 紧凑表示 ：借助遗传算法（GA）优化的选择准则，选择每个尺度下最具信息性的示例。

1.2 分类结果优势

使用所提出的紧凑多尺度表示进行分类，尽管计算成本与单个尺度表示相同，但结果优于单个尺度的表示。此外，该方法比通过平均所有相异空间（DS）表示来组合尺度的计算成本更低，当各个尺度提供互补信息时，还能提高分类准确率。

2. 基于核的脑深部电刺激（DBS）参数估计

2.1 背景

脑深部电刺激（DBS）是一种用于治疗多种神经系统疾病的手术疗法。其效果的衡量指标之一是组织激活体积（VTA），但确定DBS参数并非易事，它主要依赖专家经验和组织特性。

2.2 研究现状

以往的研究中，有尝试从刺激参数估计VTA的，也有提出机器学习系统预测VTA的，但存在只能在各向同性条件下操作、无法表示高刺激参数值或多个活动触点等问题。

2.3 本文方法

提出了一种基于核的方法，从VTA数据中学习DBS参数，主要包括两个阶段：
- 核主成分提取 ：从VTA样本中提取相关模式到低维空间。
-