科研之友
微信
新浪微博
Facebook
分享链接
摘要
循环神经网络结构极大地优化了时间序列数据的处理能力，但是其网络梯度爆炸以及特征提取能力较差等问题，影响了它在轻度认知障碍（MCI）自动诊断中的应用。针对这一问题，本文提出贝叶斯优化双向长短时神经网络（BO-BiLSTM）构建MCI诊断模型的研究思路。诊断模型基于贝叶斯算法，结合先验分布与后验概率结果共同作用寻优BO-BiLSTM网络超参数，并采用功率谱密度、模糊熵以及多重分形谱等能够充分反映MCI脑认知状态的多角度特征量作为诊断模型的输入，实现MCI自动诊断。结果表明：基于特征融合的贝叶斯优化BiLSTM网络模型，MCI诊断正确率可达到98.64%，能够有效地完成MCI的诊断评估。综上，基于此优化的长短时神经网络模型，实现了MCI的自动诊断评估，为MCI智能诊断提供了一种新的模型。
-
单位秦皇岛市第一医院; 燕山大学
