基于深度学习与多模态医学影像融合识别阈下抑郁患者

发布时间：2021-09-22 17:20

　　目的基于深度学习（DL）卷积神经网络（CNN）算法,利用医学影像数据实现识别阈下抑郁（StD）患者。方法对56例StD患者和70名正常人采集MRI和fMRI数据,分别输入所构建的CNN,利用网络融合技术对2种不同模态数据进行综合分析,得到分类结果;最后调整网络结构与模型参数,实现分类效果最优化。结果单独MRI数据模型分类精度为73.02%,单独fMRI数据模型分类精度为65.08%;2种模态结合,最终分类精度升至78.57%。结论利用DL可识别StD患者与正常人;采用多种模态输入法可提高分类准确度。 

【文章来源】：中国医学影像技术. 2020,36(08)北大核心CSCD

【文章页数】：5 页

【部分图文】：

3D-CNN网络模型示意图

BrainNetCNN网络模型示意图

网络融合结构示意图

【参考文献】：
期刊论文
[1]2018年北美放射学年会心脏MRI人工智能研究进展[J]. 陈梓娴,林晨,倪金荣,南江,庄辛,薛敬梅,郭顺林,雷军强.  中国医学影像技术. 2019(07)
[2]基于深度学习的X线诊断乳腺癌研究进展[J]. 聂贞慧,刘丽东,苏丹柯.  中国医学影像技术. 2019(05)



本文编号：3404108