典型文献
基于功能磁共振成像与深度学习的双相障碍辅助诊断模型
文献摘要：
目的:基于功能磁共振成像（functional magnetic resonance imaging，fMRI）数据构建深度学习分类模型，以辅助诊断双相障碍患者，并分析双相障碍关键影像学特征，提高双相障碍识别率。方法:收集符合 DSM-Ⅳ诊断标准的双相障碍患者146例（患者组）以及健康对照者234名（对照组），进行fMRI扫描。采用局部一致性（regional homogeneity，ReHo）和低频振幅2种方法分析fMRI数据。基于ReHo和低频振幅指标分别采用深度神经网络（deep neural networks，DNN）和双通道卷积神经网络（dual-channel convolution neural networks，DCNN）构建分类模型，并通过比较分类准确率、受试者工作特征曲线曲线下面积获得最佳分类模型；采用准确率较高的影像指标对基于自动解剖标记图谱（anatomical automatic labeling，AAL）的90个大脑区域使用支持向量机（support vector machine，SVM）算法构建基于单个脑区的分类模型，并通过比较准确率指标，识别双相障碍的关键影像学特征。结果:基于ReHo和低频振幅指标构建的DCNN分类模型的准确率分别为75.3%和72.6%，优于同指标下准确率分别为67.1%和65.1%的DNN分类模型，且使用ReHo指标构建的分类模型准确率相对优于低频振幅指标；同时基于SVM分类模型使用ReHo指标显示枕叶（枕中回、枕上回、舌回）、海马、丘脑等为识别双相障碍的关键脑区，且准确率均高于65.0%。结论:基于ReHo指标的DCNN分类模型可用于双相障碍的辅助诊断；同时枕叶、海马、丘脑可能是辅助识别双相障碍的关键影像学特征脑区。
文献关键词：
双相情感障碍;磁共振成像;诊断，计算机辅助
中图分类号：
作者姓名：
魏鑫茹;段佳;张然;杨景钰;张陆衡;姚菲;董帅;张锡哲;王菲;朱荣鑫
作者机构：
南京医科大学附属脑科医院早期干预科，南京210029;南京医科大学生物医学工程与信息学院，南京211166
文献出处：
引用格式：
[1]魏鑫茹;段佳;张然;杨景钰;张陆衡;姚菲;董帅;张锡哲;王菲;朱荣鑫-.基于功能磁共振成像与深度学习的双相障碍辅助诊断模型)[J].中华精神科杂志,2022(01):30-37
A类：
B类：
功能磁共振成像,双相障碍,辅助诊断,诊断模型,functional,magnetic,resonance,imaging,fMRI,分类模型,影像学特征,障碍识别,识别率,DSM,诊断标准,局部一致性,regional,homogeneity,ReHo,低频振幅,深度神经网络,deep,neural,networks,DNN,双通道卷积神经网络,dual,channel,convolution,DCNN,分类准确率,受试者工作特征曲线,获得最佳,影像指标,anatomical,automatic,labeling,AAL,脑区,区域使用,support,vector,machine,指标构建,同指,模型准确率,模型使用,标显,枕叶,枕中回,枕上,海马,丘脑,双相情感障碍,计算机辅助
AB值：
0.364501
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。
