换一批基于迁移学习和3D-WGMobileNet的青年抑郁症辅助诊断
Diagnosis of youth depression based on transfer learning and 3D-WGMobileNet
摘要提出一种基于3D-WGMobileNet和迁移学习的网络模型,实现对青年抑郁症不同阶段患者的正确分类.首先,对功能磁共振成像(fMRI)数据进行预处理,并通过局部一致性分析将4D fMRI数据转换为3D,进行降维处理.然后,使用迁移学习方法将阿尔茨海默症的特征迁移到提出的3D-WGMobileNet中.利用动态分组卷积构建卷积核的专家权重矩阵,提高模型的表达能力;利用滑窗分组卷积来压缩模型的参数量,增强模型的计算能力.最后,利用3D-WGMobileNet对抑郁症患者图像进行特征提取和分类.在人类连接组项目数据库上的实验结果表明结合迁移学习、动态分组卷积和滑窗分组卷积的3D-WGMobileNet获得较好的分类效果,其中,抑郁症和健康对照组、轻度抑郁症和健康对照组、轻度抑郁症和中度抑郁症的分类准确率分别达到89.00%、85.15%、87.90%,证明本文方法的可行性和有效性.
更多相关知识
关键词
抑郁症3D-WGMobileNet动态分组卷积滑窗分组卷积迁移学习功能磁共振成像depression3D-WGMobileNetdynamic grouping convolutionsliding window grouping convolutiontransfer learningfunctional magnetic resonance imaging
栏目名称
DOI
10.3969/j.issn.1005-202X.2024.04.010
发布时间
2024-05-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
北京市自然科学基金-北京市教育委员会科技计划重点项目（KZ202110011015）
北京工商大学研究生科研能力计划提升项目
- 浏览29
- 被引2
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
