典型文献
基于CNN-Attention算法的精神分裂症分类
文献摘要：
人体复杂的生理活动是由大脑各区域间相互配合共同完成的,且脑区间的这种联系是随时间不断变化的,利用脑区之间动态功能连接和静态功能连接进行分类有助于提升分类模型的分类精度,同时揭示脑疾病的致病原因.文中使用静态与动态功能连接两种特征作为分类模型的输入,采用加入卷积神经网络和注意力机制的深度学习模型(CNN-Attention)对精神分裂症患者和健康被试进行分类.结果表明,相较于单独使用静态功能连接或动态功能连接,二者结合使用可以有效提高深度学习模型的分类精度,且所提出的深度学习模型拥有较高的分类精度(79.11％).同时,找出了静态和动态功能连接中最具鉴别力的特征,为精神分裂症患者的临床诊断提供生物学依据.
文献关键词：
精神分裂症;静态功能连接;动态功能连接;卷积神经网络;注意力机制
中图分类号：
作者姓名：
姚宁;张淼;陈宏涛
作者机构：
太原理工大学信息与计算机学院,山西晋中030600
文献出处：
引用格式：
[1]姚宁;张淼;陈宏涛-.基于CNN-Attention算法的精神分裂症分类)[J].电子设计工程,2022(10):55-61
A类：
B类：
Attention,区域间,相互配合,合共,共同完成,脑区,用脑,动态功能连接,静态功能连接,接进,分类模型,分类精度,脑疾病,致病原因,注意力机制,深度学习模型,精神分裂症患者,结合使用,高深,鉴别力
AB值：
0.23373
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。
