注意缺陷与多动障碍(Attention Deficit and Hyperactivity Disorder,ADHD)俗称多动症,是一种常见的儿童行为异常性疾病。由于目前多动症尚无明确病因,且多动症患者与正常儿童的脑部结构仅存在细微差异,导致临床医生难以进行有效诊断。...注意缺陷与多动障碍(Attention Deficit and Hyperactivity Disorder,ADHD)俗称多动症,是一种常见的儿童行为异常性疾病。由于目前多动症尚无明确病因,且多动症患者与正常儿童的脑部结构仅存在细微差异,导致临床医生难以进行有效诊断。针对此类疾病,本文提出一种基于ConvNeXt和注意力机制的卷积神经网络,用于区分多动症患者和正常儿童。首先对结构磁共振图像进行预处理,其次加载预训练模型,通过包含多维协作注意力的ConvNeXt网络进行深层特征提取,重构ConvNeXt输出层并得到最终分类结果。在ADHD-200数据集上进行验证,实验结果表明,其分类准确性达到97.3%,优于目前的主流方法,并且模型的热力图提示了前额叶等与疾病相关的脑部区域,因此可以作为一种有效、便捷的多动症辅助诊断方法。展开更多
文摘注意缺陷与多动障碍(Attention Deficit and Hyperactivity Disorder,ADHD)俗称多动症,是一种常见的儿童行为异常性疾病。由于目前多动症尚无明确病因,且多动症患者与正常儿童的脑部结构仅存在细微差异,导致临床医生难以进行有效诊断。针对此类疾病,本文提出一种基于ConvNeXt和注意力机制的卷积神经网络,用于区分多动症患者和正常儿童。首先对结构磁共振图像进行预处理,其次加载预训练模型,通过包含多维协作注意力的ConvNeXt网络进行深层特征提取,重构ConvNeXt输出层并得到最终分类结果。在ADHD-200数据集上进行验证,实验结果表明,其分类准确性达到97.3%,优于目前的主流方法,并且模型的热力图提示了前额叶等与疾病相关的脑部区域,因此可以作为一种有效、便捷的多动症辅助诊断方法。
