基于GCN的精神分裂症自动识别诊断模型研究 |
| |
引用本文: | 刘晨旭,阴桂梅,肖易勇,符永灿,盛志林.基于GCN的精神分裂症自动识别诊断模型研究[J].太原师范学院学报(自然科学版),2023(1):32-37. |
| |
作者姓名: | 刘晨旭 阴桂梅 肖易勇 符永灿 盛志林 |
| |
作者单位: | 太原师范学院计算机科学与技术学院 |
| |
基金项目: | 国家自然科学基金资助项目(61906130);;北京市自然科学基金资助项目(7202072); |
| |
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。
|
关 键 词: | 脑网络 图卷积神经网络 精神分裂症 深度学习 |
|
|