典型文献
一种基于卷积神经网络的重度抑郁症辅助诊断方法
文献摘要：
目的 针对多站点抑郁症数据分类的泛化能力不强,以及使用三维原始图像作为深度学习分类模型的输入容易过拟合的问题,设计了一种卷积神经网络架构用于重度抑郁症(MDD)辅助诊断.方法 该模型基于静息态功能磁共振成像得到的低维功能连接矩阵作为输入,从中提取功能相关信息和高阶抽象特征从而分类.结果 将该模型在多站点REST-meta-MDD数据集上验证,分类准确率为70.39％.结论 通过遮挡分析描述了不同大脑区域对MDD辅助诊断的贡献,结果表明默认模式网络、视觉网络和额顶控制网络对MDD分类任务具有重要作用.
文献关键词：
抑郁症;功能磁共振成像;深度学习;分类
中图分类号：
作者姓名：
王茵;郑国威;颉瑞;杨琳;姚志军;胡斌
作者机构：
兰州大学信息科学与工程学院,甘肃省可穿戴装备重点实验室,甘肃兰州730000;甘肃省天水市第三人民医院心理科,甘肃天水741000;兰州大学认知神经传感器技术与中国科学院半导体研究所联合研究中心,甘肃兰州730000;兰州大学开源软件与实时系统教育部工程研究中心,甘肃兰州730000;中国科学院上海生命科学研究所,中国科学院脑科学与智能技术卓越中心,上海200030
文献出处：
引用格式：
[1]王茵;郑国威;颉瑞;杨琳;姚志军;胡斌-.一种基于卷积神经网络的重度抑郁症辅助诊断方法)[J].兰州大学学报（医学版）,2022(08):5-10
A类：
B类：
重度抑郁症,辅助诊断,多站点,数据分类,泛化能力,原始图像,分类模型,过拟合,神经网络架构,MDD,于静,静息态功能磁共振成像,低维,功能连接,连接矩阵,REST,meta,分类准确率,遮挡,同大,脑区,默认模式网络,视觉网络,控制网络,分类任务
AB值：
0.377032
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
