基于图卷积神经网络的注意力缺陷多动障碍分类研究

发布时间：2024-03-06 00:23

　　注意力缺陷多动障碍(Attention Deficit and Hyperactivity Disorder,ADHD)是一种注意力不集中、活动过度或冲动为症状的疾病,是儿童和青少年最常见的神经发育障碍以及精神障碍之一,容易对儿童和青少年的学习、生活等方面造成不良影响。医学影像技术不断成熟为脑疾病生理机制的研究以及诊断提供了高效、安全的成像方法。其中静息态功能磁共振(Resting State Functional Magnetic Resonance Imaging,rs-f MRI)成像技术具有高时间分辨率与高空间分辨率的优点,被广泛用于ADHD脑疾病的研究。在这些研究中,使用图论分析法对大脑网络进行建模并且结合机器学习算法进行疾病分类是一种较流行的研究方法。针对现有研究工作的不足,本文进行了两方面的工作:(1)提出了一种基于跨层节点特征提取算法的多尺度图卷积神经网络模型(Crosslayer node extraction based Multi-scale Graph Convolution Neural Network,CM＿GCN),该模型是一种深度学习算法,用于对ADHD...

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 背景研究与意义
    1.2 研究现状
    1.3 本文工作与贡献
    1.4 本文结构
第二章 相关理论概述
    2.1 静息态fMRI理论概述
    2.2 人脑功能连接网络的建模
        2.2.1 功能连通性计算方法的研究
        2.2.2 功能连接矩阵的构建方法
    2.3 图卷积神经网络理论概述
        2.3.1 基于人脑功能连接矩阵的图卷积神经网络
        2.3.2 模型的深层化
    2.4 本章小结
第三章 基于图卷积神经网络的ADHD分类研究
    3.1 数据库介绍
        3.1.1 数据库信息
        3.1.2 数据选取
    3.2 构建基于皮尔逊相关性的低阶功能连接矩阵
    3.3 图卷积神经网络分类器
        3.3.1 网络结构
        3.3.2 多尺度图卷积层
        3.3.3 跨层节点特征提取层与全局节点特征提取层
        3.3.4 图特征提取层
        3.3.5 全连接层
        3.3.6 模型训练方法
    3.4 实验设置
        3.4.1 十则交叉验证法
        3.4.2 评估指标
        3.4.3 对照实验
    3.5 实验结果与分析
        3.5.1 实验一:CM_GCN模型最佳超参数的探究
        3.5.2 实验二:CM_GCN模型的对照实验
        3.5.3 与相关工作进行比较
    3.6 本章小结
第四章 基于多支路图卷积神经网络的ADHD分类
    4.1 功能连通性计算方法的优点与局限性
    4.2 构建多种功能连接矩阵
    4.3 基于多支路的图卷积神经网络分类器进行ADHD分类
        4.3.1 网络结构
        4.3.2 对称与非对称功能连接矩阵的图卷积核
        4.3.3 多支路策略
        4.3.4 模型训练方法
    4.4 实验设置
    4.5 实验结果与分析
        4.5.1 实验一:对特定的功能连接矩阵进行ADHD分类
        4.5.2 实验二:探究多支路分类模型的有效性
        4.5.3 实验三:比较不同特征组合模型的分类性能
        4.5.4 实验四:探究模型融合方法的有效性
        4.5.5 实验五:探究异常脑区域
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附录



本文编号：3920268