数据集描述

我正在研究著名的 ABIDE 自闭症数据集。该数据集非常大，因为它有 1000 多名受试者，其中一半是自闭症患者，另一半是健康对照者。该数据集取自全球 17 个站点，每个站点在记录受试者 fMRI 时使用不同的时间维度。

我的问题

我想将此数据集用于分类任务，但唯一的问题是随时间变化的主题，因为特征集固定为 200，因此您可以说我的主题尺寸为 150 x200、75 x 200、300 x 200 ......所以在。那么，我可以使用哪些高级 AI 或深度学习技术来修复每个科目的时间维度，或者任何人都可以建议一些深度学习框架或模型，我可以使用这些框架或模型来修复跨科目的这些不同的时间维度？

我的努力

方法一

我已将 PCA 应用于时间维度并将它们固定为 50 并尝试了其他数字，但它没有产生良好的分类准确度

方法二

我还尝试仅使用每个主题的特定时间点，例如仅从每个主题中获取 40 个时间点来修复维度，但它再次不起作用，因为绝对过滤每个主题的一些时间序列数据会丢失关键信息。