基于CNN和fMRI对精神分裂症的分类研究

作者：朱亚飞; 黄庆坤; 杨仕虎; 付舒悦; 魏新帅; 谭颖^*

来源：现代计算机(专业版), 2020, (27): 10-19.

• 精神分裂症
• 卷积神经网络
• 人工智能
• 功能磁共振成像

精神分裂症没有客观的评价指标,为了改善传统分类方法在磁共振数据上的分类效果,结合卷积神经网络算法提出来一种功能磁共振成像数据的分类方法:以精神分裂功能磁共振成像数据(fMRI)为例,将预处理的fMRI数据提取有效的时间序列,并在感兴趣区域上进行相关性分析,通过卷积神经网络(CNN)对精神分裂症和健康对照组的功能连接进行分类。实验结果表明,基于CNN对fMRI的分类准确率最高可达82.3%。一方面能提高精神分裂症早期的诊断结果,另一方面解决小样本、高维度的数据的分类问题,并有效地提高CNN模型泛化能力。

• 单位
  西南民族大学; 大理护理职业学院