%0 Journal Article
%T 基于卷积神经网络的注意缺陷多动障碍分类研究
%A 常为科
%A 张丽英
%A 曾佺
%A 韩云涛
%J -
%D 2017
%R doi:10.7507/1001-5515.201606058
%X 注意缺陷多动障碍（ADHD）是一种高发于学龄儿童的行为障碍综合症。目前，ADHD 的诊断主要依赖主观方法，导致漏诊率和误诊率较高。基于此，本文提出一种基于卷积神经网络的 ADHD 客观分类算法。首先，对脑部磁共振图像（MRI）进行头骨剥离、高斯核平滑等预处理；其次，对大脑的右侧尾状核、左侧楔前叶和左侧额上回部位的MRI进行粗分割；最后，利用 3 层卷积神经网络进行分类。实验结果表明：① 本文的算法能有效地对 ADHD 和正常人群进行分类；② 右侧尾状核和左侧楔前叶的 ADHD 分类准确率要高于 ADHD-200 全球竞赛中所有方法达到的 ADHD 最高分类准确率（62.52%）；③ 利用上述 3 个脑区对 ADHD 患者和正常人群进行分类，其中右侧尾状核的分类准确率最高。综上所述，本文提出了一种利用粗分割和深度学习对 ADHD 患者和正常人群进行分类的方法。本文方法分类准确率高，计算量小，能较好地提取不明显的图像特征，改善了传统 MRI 脑区精确分割耗时长及复杂度高的缺点，为 ADHD 的诊断提供了一种可参照的客观方法
%K 注意缺陷多动障碍
%K 磁共振图像
%K 卷积神经网络
%U http://www.biomedeng.cn:80/article/10.7507/1001-5515.201606058