精神分裂癥是一種大腦存在結構和功能異常的嚴重精神疾病,目前尚無十分有效的診療手段。許多研究者嘗試采用基于磁共振影像的機器學習方法輔助診斷精神分裂癥。深度學習由于其強大的特征表示能力,在醫(yī)學影像等領域得到了廣泛的應用,表現出比傳統機器學習方法更優(yōu)異的性能。目前已有論文對深度學習在醫(yī)學影像領域內的應用進行了詳細的總結和分析,卻很少有論文對其在具體某一疾病(例如精神分裂癥)診斷中的應用進行系統的梳理和總結。因此,本文主要關注深度學習在基于磁共振影像的精神分裂癥診斷中的應用。首先介紹了基于磁共振影像的精神分裂癥診斷中常用的幾種深度學習模型;其次按照數據的不同模態(tài)將相關研究劃分為:基于結構磁共振成像的方法、基于功能磁共振成像的方法以及基于多模態(tài)數據的方法,并對各類方法的具體應用進行了總結;最后針對目前的研究現狀,進一步分析和總結出樣本量偏小、樣本類別不均衡、模型可解釋性低、多模態(tài)分析中缺失模態(tài)數據以及缺少有效融合策略等,是目前該領域研究中存在的主要問題。多中心及縱向數據分析以及針對不同癥狀亞型的個體化精準診斷模型的構建,是未來該領域研究發(fā)展的趨勢。本文系統地總結了深度學習在基于磁共振影像的精神分...

【文章頁數】：11 頁

【文章目錄】：
0 引 言
1 深度學習模型
    1.1 FNN
    1.2 RNN
    1.3 CNN
    1.4 無監(jiān)督特征學習模型
        1.4.1 堆棧式自動編碼器
        1.4.2 深度置信網絡
    1.5 其他深度模型
        1.5.1 膠囊網絡
        1.5.2 多粒度級聯森林
2 深度學習在基于磁共振影像的精神分裂癥診斷中的應用
    2.1 基于sMRI的方法
    2.2 基于fMRI的方法
    2.3 基于多模態(tài)數據的方法
3 挑戰(zhàn)與展望
    3.1 樣本相關問題
    3.2 可解釋性問題
    3.3 多模態(tài)數據分析問題
    3.4 多中心及縱向數據
    3.5 個體化精準診斷模型
4 結 語



本文編號：4033177