基于圖卷積神經(jīng)網(wǎng)絡(luò)的注意力缺陷多動障礙分類研究
發(fā)布時間:2024-03-06 00:23
注意力缺陷多動障礙(Attention Deficit and Hyperactivity Disorder,ADHD)是一種注意力不集中、活動過度或沖動為癥狀的疾病,是兒童和青少年最常見的神經(jīng)發(fā)育障礙以及精神障礙之一,容易對兒童和青少年的學(xué)習(xí)、生活等方面造成不良影響。醫(yī)學(xué)影像技術(shù)不斷成熟為腦疾病生理機(jī)制的研究以及診斷提供了高效、安全的成像方法。其中靜息態(tài)功能磁共振(Resting State Functional Magnetic Resonance Imaging,rs-f MRI)成像技術(shù)具有高時間分辨率與高空間分辨率的優(yōu)點(diǎn),被廣泛用于ADHD腦疾病的研究。在這些研究中,使用圖論分析法對大腦網(wǎng)絡(luò)進(jìn)行建模并且結(jié)合機(jī)器學(xué)習(xí)算法進(jìn)行疾病分類是一種較流行的研究方法。針對現(xiàn)有研究工作的不足,本文進(jìn)行了兩方面的工作:(1)提出了一種基于跨層節(jié)點(diǎn)特征提取算法的多尺度圖卷積神經(jīng)網(wǎng)絡(luò)模型(Crosslayer node extraction based Multi-scale Graph Convolution Neural Network,CM_GCN),該模型是一種深度學(xué)習(xí)算法,用于對ADHD...
【文章頁數(shù)】:83 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 背景研究與意義
1.2 研究現(xiàn)狀
1.3 本文工作與貢獻(xiàn)
1.4 本文結(jié)構(gòu)
第二章 相關(guān)理論概述
2.1 靜息態(tài)fMRI理論概述
2.2 人腦功能連接網(wǎng)絡(luò)的建模
2.2.1 功能連通性計(jì)算方法的研究
2.2.2 功能連接矩陣的構(gòu)建方法
2.3 圖卷積神經(jīng)網(wǎng)絡(luò)理論概述
2.3.1 基于人腦功能連接矩陣的圖卷積神經(jīng)網(wǎng)絡(luò)
2.3.2 模型的深層化
2.4 本章小結(jié)
第三章 基于圖卷積神經(jīng)網(wǎng)絡(luò)的ADHD分類研究
3.1 數(shù)據(jù)庫介紹
3.1.1 數(shù)據(jù)庫信息
3.1.2 數(shù)據(jù)選取
3.2 構(gòu)建基于皮爾遜相關(guān)性的低階功能連接矩陣
3.3 圖卷積神經(jīng)網(wǎng)絡(luò)分類器
3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
3.3.2 多尺度圖卷積層
3.3.3 跨層節(jié)點(diǎn)特征提取層與全局節(jié)點(diǎn)特征提取層
3.3.4 圖特征提取層
3.3.5 全連接層
3.3.6 模型訓(xùn)練方法
3.4 實(shí)驗(yàn)設(shè)置
3.4.1 十則交叉驗(yàn)證法
3.4.2 評估指標(biāo)
3.4.3 對照實(shí)驗(yàn)
3.5 實(shí)驗(yàn)結(jié)果與分析
3.5.1 實(shí)驗(yàn)一:CMGCN模型最佳超參數(shù)的探究
3.5.2 實(shí)驗(yàn)二:CMGCN模型的對照實(shí)驗(yàn)
3.5.3 與相關(guān)工作進(jìn)行比較
3.6 本章小結(jié)
第四章 基于多支路圖卷積神經(jīng)網(wǎng)絡(luò)的ADHD分類
4.1 功能連通性計(jì)算方法的優(yōu)點(diǎn)與局限性
4.2 構(gòu)建多種功能連接矩陣
4.3 基于多支路的圖卷積神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行ADHD分類
4.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.3.2 對稱與非對稱功能連接矩陣的圖卷積核
4.3.3 多支路策略
4.3.4 模型訓(xùn)練方法
4.4 實(shí)驗(yàn)設(shè)置
4.5 實(shí)驗(yàn)結(jié)果與分析
4.5.1 實(shí)驗(yàn)一:對特定的功能連接矩陣進(jìn)行ADHD分類
4.5.2 實(shí)驗(yàn)二:探究多支路分類模型的有效性
4.5.3 實(shí)驗(yàn)三:比較不同特征組合模型的分類性能
4.5.4 實(shí)驗(yàn)四:探究模型融合方法的有效性
4.5.5 實(shí)驗(yàn)五:探究異常腦區(qū)域
4.6 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附錄
本文編號:3920268
【文章頁數(shù)】:83 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 背景研究與意義
1.2 研究現(xiàn)狀
1.3 本文工作與貢獻(xiàn)
1.4 本文結(jié)構(gòu)
第二章 相關(guān)理論概述
2.1 靜息態(tài)fMRI理論概述
2.2 人腦功能連接網(wǎng)絡(luò)的建模
2.2.1 功能連通性計(jì)算方法的研究
2.2.2 功能連接矩陣的構(gòu)建方法
2.3 圖卷積神經(jīng)網(wǎng)絡(luò)理論概述
2.3.1 基于人腦功能連接矩陣的圖卷積神經(jīng)網(wǎng)絡(luò)
2.3.2 模型的深層化
2.4 本章小結(jié)
第三章 基于圖卷積神經(jīng)網(wǎng)絡(luò)的ADHD分類研究
3.1 數(shù)據(jù)庫介紹
3.1.1 數(shù)據(jù)庫信息
3.1.2 數(shù)據(jù)選取
3.2 構(gòu)建基于皮爾遜相關(guān)性的低階功能連接矩陣
3.3 圖卷積神經(jīng)網(wǎng)絡(luò)分類器
3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
3.3.2 多尺度圖卷積層
3.3.3 跨層節(jié)點(diǎn)特征提取層與全局節(jié)點(diǎn)特征提取層
3.3.4 圖特征提取層
3.3.5 全連接層
3.3.6 模型訓(xùn)練方法
3.4 實(shí)驗(yàn)設(shè)置
3.4.1 十則交叉驗(yàn)證法
3.4.2 評估指標(biāo)
3.4.3 對照實(shí)驗(yàn)
3.5 實(shí)驗(yàn)結(jié)果與分析
3.5.1 實(shí)驗(yàn)一:CMGCN模型最佳超參數(shù)的探究
3.5.2 實(shí)驗(yàn)二:CMGCN模型的對照實(shí)驗(yàn)
3.5.3 與相關(guān)工作進(jìn)行比較
3.6 本章小結(jié)
第四章 基于多支路圖卷積神經(jīng)網(wǎng)絡(luò)的ADHD分類
4.1 功能連通性計(jì)算方法的優(yōu)點(diǎn)與局限性
4.2 構(gòu)建多種功能連接矩陣
4.3 基于多支路的圖卷積神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行ADHD分類
4.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.3.2 對稱與非對稱功能連接矩陣的圖卷積核
4.3.3 多支路策略
4.3.4 模型訓(xùn)練方法
4.4 實(shí)驗(yàn)設(shè)置
4.5 實(shí)驗(yàn)結(jié)果與分析
4.5.1 實(shí)驗(yàn)一:對特定的功能連接矩陣進(jìn)行ADHD分類
4.5.2 實(shí)驗(yàn)二:探究多支路分類模型的有效性
4.5.3 實(shí)驗(yàn)三:比較不同特征組合模型的分類性能
4.5.4 實(shí)驗(yàn)四:探究模型融合方法的有效性
4.5.5 實(shí)驗(yàn)五:探究異常腦區(qū)域
4.6 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附錄
本文編號:3920268
本文鏈接:http://www.sikaile.net/yixuelunwen/eklw/3920268.html
最近更新
教材專著