使用不同脑图谱的基于功能连接的 ADHD 分类
计算机视觉与模式识别
2022-05-05 v2
摘要
如今，神经精神疾病的计算诊断策略日益受到关注。基于功能磁共振成像（fMRI）确定大脑的功能连接对于诊断该疾病至关重要。它被认为是一种慢性疾病，数以百万计的儿童表现出该疾病的症状，因此研究人员在构建模型以提高 ADHD 诊断准确率方面仍有很大空间。在本文中，我们考虑了使用各种时间模板/脑图谱提取的大脑功能连接。局部二值编码方法（LBEM）算法用于特征提取，而分层极限学习机（HELM）用于对提取的特征进行分类。为了验证我们的方法，实验中使用了 143 名正常儿童和 100 名受 ADHD 影响儿童的 fMRI 数据。我们的实验结果基于对各种脑图谱的比较，即 CC400、CC200 和 AAL。与其他脑图谱相比，我们的模型在使用 CC400 时取得了更高的性能。
引用
@article{arxiv.2202.08953,
title = {Functional Connectivity Based Classification of ADHD Using Different Atlases},
author = {Sartaj Ahmed Salman and Zhichao Lian and Marva Saleem and Yuduo Zhang},
journal= {arXiv preprint arXiv:2202.08953},
year = {2022}
}