-
题名基于功能脑网络和图特征学习的ADHD分类模型
- 1
-
-
作者
刘子凡
孙道清
赵善辉
朱赛赛
陈付龙
-
机构
安徽师范大学计算机与信息学院
安徽省医疗大数据智能系统工程研究中心
-
出处
《自动化学报》
北大核心
2025年第7期1651-1661,共11页
-
基金
国家自然科学基金(61972438)
芜湖市重点研发与成果转化项目(2023yf117)资助。
-
文摘
功能脑网络(FBN)在精神障碍诊断中广泛应用,但传统构建方法缺乏与下游任务的互动性,限制了模型性能;且图神经网络多层堆叠易导致节点特征过度平滑难以提取深层特征.为此,提出端到端的自适应聚合功能网络模型,通过大脑感兴趣区域(ROI)感知汇聚层,利用自注意力机制动态构建FBN并学习节点特征,增强了模型与子任务的交互能力.同时引入节点池化机制筛选显著ROI,进而推断出对于子任务较为重要的ROI.该方法应用于注意力缺陷多动障碍(ADHD)的分类实验中,实验结果表明该方法提高了ADHD的分类准确率,对实验结果的解释性分析也验证了该方法的有效性.
-
关键词
功能脑网络
图模型
注意力
注意力缺陷多动障碍
-
Keywords
Functional brain network
graph model
attention
attention deficit hyperactivity disorder
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
