基于PH-GAT的精分患者分类预测模型研究

分享到

【作者】盛志林，阴桂梅，符永灿
【刊名】现代信息科技
【作者单位】太原师范学院计算机科学与技术学院
【年份】2024
【卷号】第8卷
【期号】第7期
【页码】107-112，117
【ISSN】2096-4706
【关键词】脑网络持续同调图注意力网络精神分裂症
【摘要】对目前基于脑网络的分析进行研究，研究显示，分析方法大致分为基于持续同调方法的分析和基于深度学习模型的分析。为了提高脑疾病诊断的预测能力，模型将持续同调集成到GAT模型中，使其具有“拓扑意识”。在模型的最后使用LSTM模型，目的是为了捕捉到所形成特征中的时序信息，从而提高分类预测的效果。在PH-GAT模型下，采用局部和全局的融合特征对Theta频段数据分类，分类准确率高达0.930 9。如此不仅可以发现早期诊断精神分裂症的客观、有效的影像学标志物，还可以提高脑疾病诊断的预测能力。
【文献类型】期刊