目的基于深度學習（DL）卷積神經(jīng)網(wǎng)絡（CNN）算法,利用醫(yī)學影像數(shù)據(jù)實現(xiàn)識別閾下抑郁（StD）患者。方法對56例StD患者和70名正常人采集MRI和fMRI數(shù)據(jù),分別輸入所構建的CNN,利用網(wǎng)絡融合技術對2種不同模態(tài)數(shù)據(jù)進行綜合分析,得到分類結果;最后調(diào)整網(wǎng)絡結構與模型參數(shù),實現(xiàn)分類效果最優(yōu)化。結果單獨MRI數(shù)據(jù)模型分類精度為73.02%,單獨fMRI數(shù)據(jù)模型分類精度為65.08%;2種模態(tài)結合,最終分類精度升至78.57%。結論利用DL可識別StD患者與正常人;采用多種模態(tài)輸入法可提高分類準確度。 

【文章來源】：中國醫(yī)學影像技術. 2020,36(08)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

3D-CNN網(wǎng)絡模型示意圖

BrainNetCNN網(wǎng)絡模型示意圖

網(wǎng)絡融合結構示意圖

【參考文獻】：
期刊論文
[1]2018年北美放射學年會心臟MRI人工智能研究進展[J]. 陳梓嫻,林晨,倪金榮,南江,莊辛,薛敬梅,郭順林,雷軍強.  中國醫(yī)學影像技術. 2019(07)
[2]基于深度學習的X線診斷乳腺癌研究進展[J]. 聶貞慧,劉麗東,蘇丹柯.  中國醫(yī)學影像技術. 2019(05)



本文編號：3404108