图像数据集的特征提取和交叉验证

Question

我有一个由fMRI图像组成的数据集。每个图像属于一个类。数据集如下：

Class 1: 9 images 
Class 2: 10 images 
Class 3: 6 images 
Class 4: 12 images

每个图像是4D（时间序列），即90x60x10x350，其中350是时间维度（即350个3D体积）。我想训练一下这个数据的分类器。

现在我想首先提取特征，然后通过应用例如应用特征选择。 PCA然后进行聚类，如论文“主要特征分析：fMRI数据的多变量特征选择方法”（http://www.hindawi.com/journals/cmmm/2013/645921/）中所述。对于特征提取，我看到以下可能性：

1. 每个体素都是一个特征，是每个体素时间序列的平均值 被采取。每个图像恰好具有一个尺寸为90 * 60 * 10 = 54'000

的特征向量

2. 每个体素是一个特征，每个时间点（即每个3D体积）是一个数据点。每幅图像都有350个特征向量，每个维度为90 * 60 * 10 = 54'000。

3. 将图像的整个时间序列的所有体素放入一个特征向量中 尺寸90 * 60 * 10 * 350 = 18'900'000。每个图像只有一个特征向量。
4. 将体素之间的相关值作为特征值。但这是     计算上不可行。

我更喜欢2.但我不确定这是不是一个好主意。

你会如何进行特征提取？如何以计算可行的方式使用基于相关的方法？

最后但并非最不重要的是，您将如何对数据集进行交叉验证？问题是不同的类是不平衡的。

非常感谢您的回答。