换一批
换一批基于无监督学习的神经精神疾病辅助诊断研究进展
Advances in auxiliary diagnosis of neuropsychiatric disorders based on unsupervised learning
摘要传统的神经精神疾病诊断主要依赖于专科医生的主观评价、神经心理测试、生化检查等方式,缺乏客观、精准、智能的生物学标记物.近年来,随着神经影像及人工智能技术的快速发展,无监督学习这种具有不依赖外部标签、模型泛化性高、特征自动提取等优点的机器学习方法,已经被广泛应用于神经精神疾病辅助诊断领域.相较于传统的监督学习方法,无监督学习更能实现个体化、精准化、智能化的神经精神疾病诊断.文章综述了近年来无监督学习在神经精神疾病辅助诊断中的研究进展,总结了无监督学习在阿尔兹海默症、精神分裂症、重度抑郁症以及自闭症谱系障碍中的研究成果,并指出当前研究存在图像处理能力差、样本量小、缺少生化指标数据等问题及难点,融合神经网络、多站点大样本、多维度数据深度融合是无监督学习方法应用的发展方向.
更多相关知识
关键词
无监督学习神经精神疾病辅助诊断生物亚型综述unsupervised learningneuropsychiatric disorderauxiliary diagnosisbiological subtypereview
栏目名称
DOI
10.3969/j.issn.1005-202X.2024.06.018
发布时间
2024-07-08
基金项目
广东省科技重点领域研发计划项目（2020B0101130020）；
广东省科技重点领域研发计划项目（2020B0404010002）；
广东省科技重点领域研发计划项目（2018B030335001）；
国家重点研发计划（2020YFC2004300）；
国家重点研发计划（2020YFC2004301）；
国家重点研发计划（2021YFC2009400）；
国家重点研发计划（2021YFC2009404）；
国家自然科学基金（72174082）；
广东省基础与应用基础研究基金自然科学基金杰出青年项目（2021B1515020064）；
广州市科技计划（201903010032）；
广州市科技计划（202103000032）；
广州市科技计划（202206010077）；
广州市科技计划（202206060005）；
广州市科技计划（202206080005）；
广州市科技计划（202206010034）；
广东省普通高校重点实验室项目（2020KSYS001）
- 浏览25
- 被引0
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
