基于GCN的精神分裂症自动识别诊断模型研究

分享到

【获取途径】超星期刊网
【作者】刘晨旭，阴桂梅，肖易勇，符永灿，盛志林
【刊名】太原师范学院学报(自然科学版)
【作者单位】太原师范学院计算机科学与技术学院
【年份】2023
【卷号】第22卷
【期号】第1期
【页码】32-37
【ISSN】1672-2027
【关键词】脑网络图卷积神经网络精神分裂症深度学习
【摘要】目前基于深度学习的精神分裂症脑网络研究，大多忽略了脑电通道之间的空间拓扑信息。为了解决这个问题，提出一种基于图卷积神经网络的精神分裂症自动识别诊断模型，利用各脑电节点间的相关性构建图结构，与脑网络局部特征一起作为图卷积的输入，并利用卷积核的不同内核大小深入挖掘数据信息。将该方法应用于首发精分数据集，实验结果表明首发精神分裂症患者在Theta频段的识别准确率最高，达到了88.62%,且与其他方法相比取得了更好的识别效果，为精神分裂症的识别诊断提供了一种新的思路和方法。
【基金】国家自然科学基金;北京市自然科学基金
【文献类型】期刊