典型文献
基于双通路卷积融合网络的脑龄分布预测
文献摘要：
采用深度学习对脑龄预测问题进行研究,提出并设计一种基于双通路卷积融合网络的脑龄分布预测模型,以有效预测被试的大脑年龄.将被试静息态功能磁共振成像(rest-state functional MRI,rs-fMRI)数据通过标记分布学习方法,将确定的脑龄标签转化为一组具有高斯分布的概率,设计一个双通路卷积融合网络,包含卷积、批量归一化、池化等步骤,可以同时学习rs-fMRI多类激活图的特征,通过一个低秩融合网络来融合这些特征,利用损失函数对网络更新优化;对预测模型的结果进行详细分析.该模型得到的绝对平均误差和相关系数的指标分别为5.735和0.5924.试验结果表明,相较于其他模型,该模型取得的平均绝对误差更小,相关系数更高,显著提高了基于rs-fMRI图像的脑龄预测精度.
文献关键词：
静息态功能磁共振成像;激活图;双通路卷积融合网络;脑龄分布预测;低秩融合
中图分类号：
作者姓名：
沈鑫杰;黄嘉爽;丁卫平;孙颖;王海鹏;鞠恒荣
作者机构：
南通大学信息科学技术学院,江苏 南通226019
文献出处：
引用格式：
[1]沈鑫杰;黄嘉爽;丁卫平;孙颖;王海鹏;鞠恒荣-.基于双通路卷积融合网络的脑龄分布预测)[J].山东大学学报（工学版）,2022(06):131-138
A类：
双通路卷积融合网络,脑龄分布预测,低秩融合
B类：
大脑年龄,静息态功能磁共振成像,rest,state,functional,rs,fMRI,数据通,标记分布学习,高斯分布,一个双,批量归一化,池化,类激活图,损失函数,更新优化,平均误差,平均绝对误差
AB值：
0.197596
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。
