【摘 要】
：
本研究提出一种基于结构和功能双模态磁共振成像数据融合的抑郁症分类算法,首先利用功能脑网络和深度学习网络分别提取功能和结构磁共振成像数据特征,并计算类概率,然后使用软投票法和加权投票法在决策层对两种类概率数据进行融合,充分提取功能与结构磁共振成像的数据信息,得到更加准确的分类效果.试验结果表明,数据融合方法可以显著提高抑郁症分类效果,获得91.34％的准确率和96.62％的召回率,更好地实现了抑郁症的辅助诊断与预后.
【机 构】
：
北京工商大学人工智能学院,北京100048
论文部分内容阅读
本研究提出一种基于结构和功能双模态磁共振成像数据融合的抑郁症分类算法,首先利用功能脑网络和深度学习网络分别提取功能和结构磁共振成像数据特征,并计算类概率,然后使用软投票法和加权投票法在决策层对两种类概率数据进行融合,充分提取功能与结构磁共振成像的数据信息,得到更加准确的分类效果.试验结果表明,数据融合方法可以显著提高抑郁症分类效果,获得91.34％的准确率和96.62％的召回率,更好地实现了抑郁症的辅助诊断与预后.
其他文献
目的:探讨肺部超声评价重症肺部感染患者通气情况的应用价值.方法:选取88例重症肺部感染患者,采用半定量方法对肺部超声征象进行评分,以CT检查结果为金标准,分析肺部超声评分与患者肺通气的关系;同时分析存活和死亡患者临床资料、肺部超声评分的差异,以及肺部超声评分预测患者死亡的价值.结果:88例患者全肺超声评分平均为(18.50±2.12)分,全肺CT值平均为(-620.50±88.13)HU,不通气/低通气肺组织比例平均为(10.41±3.35)％,正常通气肺组织比例平均为(71.54±6.69)％,过度通气
旨在提出一种基于光电容积脉搏波(PPG)收缩期上升波形(SUW)特征提取的血压计算模型.首先,采集130例成年志愿者的II导心电图、手指PPG信号以及袖带血压值.数据被随机分为训练集(共80例,其中46例血压正常)和测试集(共50例,其中35例血压正常).然后从PPG信号的SUW中提取时间、面积、斜率最大点与波谷点连线与时间轴夹角的正切值、上升期占脉宽的比例等特征,采用偏最小二乘回归法分别建立收缩压和舒张压的检测模型.最后与基于脉冲到达时间(PAT)的模型以及PAT联合PPG的模型进行对比.结果显示,本模
子痫前期(preeclampsia,PE)是妊娠期特有的疾病,发生在妊娠20周后,主要临床表现为高血压、蛋白尿及全身器官功能损害,是孕产妇和围产儿病死率升高的主要原因之一[1],与PE相关的胎儿发育异常一直是医学研究的重要方向,例如心血管发育异常[2].先天性心脏病(congenital heart disease,CHD)的发生率处于新生儿出生缺陷第一位[3],其在活产儿中发病率为6‰～12‰,其病因非常复杂.近年来,随着PE孕妇子代CHD发病率的升高,研究者发现亲代PE与子代CHD之间似乎存在某些关联
为探索动脉波形分析方法的临床意义,使用波形分离法与储存压力波模型对采集到的25例进行全麻手术的高龄患者的动脉压力波形进行波形分析,在获得Pf、Pb以及Pe、Pr等波形形态参数后,将诱导前后的参数变化量与临床生命指标变化量进行相关性分析.在本文的研究群体中,波形分离法与储存压力波模型的参数均与诱导中的血压和心率变化量有相关性,其中△Pe与临床指标△PP相关系数最高(r=0.926).从生理病理学的角度对波形参数的变化进行解读,旨在探索波形分析在诱导期对全麻患者麻醉水平的应用价值,可为动脉压力波形分析及其应用