| 基于双通路卷积融合网络的脑龄分布预测 |
| |
| 引用本文： | 沈鑫杰,黄嘉爽,丁卫平,孙颖,王海鹏,鞠恒荣.基于双通路卷积融合网络的脑龄分布预测[J].山东大学学报(工学版),2022,52(6):131-138. |
| |
| 作者姓名： | 沈鑫杰 黄嘉爽 丁卫平 孙颖 王海鹏 鞠恒荣 |
| |
| 作者单位： | 南通大学信息科学技术学院, 江苏 南通226019 |
| |
| 基金项目： | 国家自然科学基金(61976120,62006128,62102199);江苏省自然科学基金(BK20191445);江苏省高等学校自然科学研究重大项目(21KJA510004);南通市科技局基础科学研究项目(JC2020141,JC2021122) |
| |
| 摘 要： | 采用深度学习对脑龄预测问题进行研究,提出并设计一种基于双通路卷积融合网络的脑龄分布预测模型,以有效预测被试的大脑年龄。将被试静息态功能磁共振成像(rest-state functional MRI, rs-fMRI)数据通过标记分布学习方法,将确定的脑龄标签转化为一组具有高斯分布的概率,设计一个双通路卷积融合网络,包含卷积、批量归一化、池化等步骤,可以同时学习rs-fMRI多类激活图的特征,通过一个低秩融合网络来融合这些特征,利用损失函数对网络更新优化;对预测模型的结果进行详细分析。该模型得到的绝对平均误差和相关系数的指标分别为5.735和0.592 4。试验结果表明,相较于其他模型,该模型取得的平均绝对误差更小,相关系数更高,显著提高了基于rs-fMRI图像的脑龄预测精度。
|
| 关 键 词： | 静息态功能磁共振成像 激活图 双通路卷积融合网络 脑龄分布预测 低秩融合 |
Brain age distribution prediction with dual-pathway convolutional fusion neural networks |
| |
| SHEN Xinjie,HUANG Jiashuang,DING Weiping,SUN Ying,WANG Haipeng,JU Hengrong.Brain age distribution prediction with dual-pathway convolutional fusion neural networks[J].Journal of Shandong University of Technology,2022,52(6):131-138. |
| |
| Authors: | SHEN Xinjie HUANG Jiashuang DING Weiping SUN Ying WANG Haipeng JU Hengrong |
| |
| Affiliation: | School of Information Science and Technology, Nantong University, Nantong 226019, Jiangsu, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《山东大学学报(工学版)》浏览原始摘要信息 |
|
点击此处可从《山东大学学报(工学版)》下载全文 |
|
