User: Guest  Login
Original title:
Dimensionality reduction and unsupervised learning techniques applied to clinical psychiatric and neuroimaging phenotypes
Translated title:
Dimensionalitätsreduktion und unüberwachte Lerntechniken angewandt auf klinisch-psychiatrische und Bildgebungsphänotypen
Author:
Paul, Riya
Year:
2021
Document type:
Dissertation
Faculty/School:
Fakultät für Medizin
Advisor:
Müller-Myhsok, Bertram (Prof. Dr.)
Referee:
Müller-Myhsok, Bertram (Prof. Dr.); Gagneur, Julien (Prof. Dr.)
Language:
en
Subject group:
MED Medizin
TUM classification:
MED 600; PSY 750
Abstract:
Unsupervised learning and other multivariate analysis techniques are increasingly recognized in neuropsychiatric research. Here, finite mixture models and random forests were applied to clinical observations of patients with major depression to detect and validate treatment response subgroups. Further, independent component analysis and agglomerative hierarchical clustering were combined to build a brain parcellation solely on structural covariance information of magnetic resonance brain images.
Translated abstract:
Unüberwachtes Lernen und andere multivariate Analyseverfahren werden zunehmend auf neuropsychiatrische Fragestellungen angewendet. Finite mixture Modelle wurden auf klinische Skalen von Patienten mit schwerer Depression appliziert, um Therapieantwortklassen zu bilden und mit Random Forests zu validieren. Unabhängigkeitsanalysen und agglomeratives hierarchisches Clustering wurden kombiniert, um die strukturelle Kovarianz von Magnetresonanz­tomographie-Bildern für eine Hirnparzellierung zu nutzen.
WWW:
https://mediatum.ub.tum.de/?id=1591459
Date of submission:
28.01.2021
Oral examination:
07.09.2021
File size:
3691959 bytes
Pages:
143
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210907-1591459-1-7
Last change:
07.09.2022
 BibTeX