基于卷积神经网络的注意缺陷多动障碍分类研究

• 作者: 常为科 张丽英 曾佺 朱莉 韩云涛
• 来源期刊: 生物医学工程学杂志
• 关键词: 注意缺陷多动障碍 磁共振图像 卷积神经网络
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 新技术与新方法
• 页码范围: 99-105
• 页数: 7页
• 语种: 中文
• DOI: 10.7507/1001-5515.201606058

摘要

注意缺陷多动障碍(ADHD)是一种高发于学龄儿童的行为障碍综合症.目前,ADHD的诊断主要依赖主观方法,导致漏诊率和误诊率较高.基于此,本文提出一种基于卷积神经网络的ADHD客观分类算法.首先,对脑部磁共振图像(MRI)进行头骨剥离、高斯核平滑等预处理;其次,对大脑的右侧尾状核、左侧楔前叶和左侧额上回部位的MRI进行粗分割;最后,利用3层卷积神经网络进行分类.实验结果表明:①本文的算法能有效地对ADHD和正常人群进行分类;②右侧尾状核和左侧楔前叶的ADHD分类准确率要高于ADHD-200全球竞赛中所有方法达到的ADHD最高分类准确率(62.52％);③利用上述3个脑区对ADHD患者和正常人群进行分类,其中右侧尾状核的分类准确率最高.综上所述,本文提出了一种利用粗分割和深度学习对ADHD患者和正常人群进行分类的方法.本文方法分类准确率高,计算量小,能较好地提取不明显的图像特征,改善了传统MRI脑区精确分割耗时长及复杂度高的缺点,为ADHD的诊断提供了一种可参照的客观方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽英		8	55	4.0	7.0
2	朱莉		15	29	2.0	5.0
3	常为科		2	0	0.0	0.0
4	韩云涛		1	0	0.0	0.0
5	曾佺		2	0	0.0	0.0