科研之友
微信
新浪微博
Facebook
分享链接
摘要
人体复杂的生理活动是由大脑各区域间相互配合共同完成的,且脑区间的这种联系是随时间不断变化的,利用脑区之间动态功能连接和静态功能连接进行分类有助于提升分类模型的分类精度,同时揭示脑疾病的致病原因。文中使用静态与动态功能连接两种特征作为分类模型的输入,采用加入卷积神经网络和注意力机制的深度学习模型(CNN-Attention)对精神分裂症患者和健康被试进行分类。结果表明,相较于单独使用静态功能连接或动态功能连接,二者结合使用可以有效提高深度学习模型的分类精度,且所提出的深度学习模型拥有较高的分类精度(79.11%)。同时,找出了静态和动态功能连接中最具鉴别力的特征,为精神分裂症患者的临床诊断提供生物学依据。
- 单位
