典型文献
无先兆偏头痛3D-CNN辅助诊断算法
文献摘要：
偏头痛是一种严重危害人类健康的脑疾病,其中无先兆偏头痛在临床中占比最多且诊断困难.当前无先兆偏头痛辅助诊断算法研究中,基于机器学习的脑影像功能连接分析方法是最主要的研究方向.由于此类方法多依赖于预定义的脑图谱模板,受模板选择主观因素及分类器性能影响,现有方法的智能化程度和准确率较低,难以满足临床及研究需求.基于设计的新型3D-CNN技术,提出了一种无先兆偏头痛智能辅助诊断算法MwoA3D-Net(3D convolutional neural network based diagnosis of migraine without aura).该算法采用组信息指导的独立成分分析方法,生成被试的静息态脑网络,并以此作为输入训练MwoA3D-Net,实现对无先兆偏头痛患者与健康对照的自动诊断,可避免因先验模板不同导致的结果差异.在算法设计中引入3D数据增强、L1和L2正则化等一系列优化策略,可有效防止过拟合现象的发生.在60名无先兆偏头痛和65名健康被试数据集上的实验结果表明,MwoA3D-Net的平均诊断准确率为98.40％,鲁棒性较高,且所选静息态脑功能网络均具有较强的辨识性,可作为无先兆偏头痛的潜在生物标志物用于个体化诊断.
文献关键词：
辅助诊断算法;无先兆偏头痛;功能磁共振成像;独立成分分析;3D卷积神经网络
中图分类号：
作者姓名：
李翔;魏本征;吴宏赟;李徐周;洪雁飞;丛金玉
作者机构：
山东中医药大学 智能与信息工程学院,济南 250355;山东中医药大学 医学人工智能研究中心,山东 青岛 266112;山东中医药大学 青岛中医药科学院,山东 青岛 266112;山东中医药大学附属医院 脑病科,济南 250014;山东青年政治学院 信息工程学院,济南 250103
文献出处：
引用格式：
[1]李翔;魏本征;吴宏赟;李徐周;洪雁飞;丛金玉-.无先兆偏头痛3D-CNN辅助诊断算法)[J].计算机工程与应用,2022(04):169-176
A类：
MwoA3D
B类：
无先兆偏头痛,辅助诊断算法,严重危害,害人,脑疾病,算法研究,基于机器学习,脑影像,功能连接分析,预定,脑图谱,主观因素,分类器,研究需求,智能辅助,Net,convolutional,neural,network,diagnosis,migraine,without,aura,独立成分分析,静息态脑网络,偏头痛患者,自动诊断,先验,算法设计,数据增强,L1,L2,正则化,过拟合,诊断准确率,静息态脑功能,脑功能网络,潜在生物标志物,功能磁共振成像
AB值：
0.261875
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。
