生成式对抗网络在抑郁症分类中的应用

• 作者: 刘宁 杨剑
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 条件深度卷积生成式对抗网络 分类 动态功能连接 独立成分分析
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 163-168,233
• 页数: 7页
• 分类号: TP3
• 字数: 5908字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.06.030

摘要

深度学习领域中的条件深度卷积生成式对抗网络(CDCGAN)是一种能够生成与训练数据同分布样本的生成模型.针对抑郁症fMRI(functional Magnetic Resonance Imaging)数据难采集、用于研究的被试数远小于数据特征维数的问题,首次将CDCGAN应用于生成抑郁症fMRI数据并提出一种混合特征选择方法用于分析fMRI数据.采用组独立成分分析提取41名被试的独立成分并构建全脑动态功能连接网络;通过肯德尔排序相关系数法选出具有较强辨别能力的特征并使用CDCGAN扩充数据;采用所提出的混合特征选择法进行特征选择;对41名被试的数据进行分类.实验结果表明,采用CDCGAN的分类正确率为92.68％,明显优于不应用CDCGAN的分类结果68.29％,同时说明了抑郁症fMRI数据采用CDCGAN方法扩充数据的可行性以及混合特征选择方法能选出更有效的特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宁	北京工业大学信息学部	7	29	3.0	5.0
2	杨剑		2	10	2.0	2.0