换一批基于二分假设端到端深度学习的ADHD辅助诊断
Auxiliary Diagnosis of ADHD Based on Binary Hypothesis End-to-end Deep Learning
摘要在注意缺陷多动障碍(ADHD)的辅助诊断研究中,很多 ADHD 分类方法存在模型不能一体化或缺乏生物学解释的问题.为此,提出一种基于二分假设端到端深度学习的 ADHD 分类模型.在二分假设框架下,选择边缘系统相关的低频波动振幅数据作为输入特征,并设置注意力模块,使得网络重点关注分类贡献高的特征.模型整体形成端到端结构,而不是传统的深度学习和机器学习结合的结构.此外,完成检测生物标识的任务,提供生物学解释.在 ADHD-200 数据库的留一交叉验证实验中,4 个子数据库上的平均准确率达到 98.1%.随后,在边缘系统上进行ADHD生物标识的统计与分析,得到的ADHD生物标识分别为前扣带与旁扣带脑回、右杏仁核、嗅皮质和左杏仁核,这些结果证实了基于二分假设端到端深度学习模型的合理性.
更多相关知识
关键词
注意缺陷多动障碍二分假设低频波动振幅端到端结构生物标识attention deficit hyperactivity disorderbinary hypothesisamplitude of low-frequency fluctuationend-to-endbiomarker
栏目名称
DOI
10.13705/j.issn.1671-6833.2025.04.008
发布时间
2026-01-12（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62201093）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
