TY -的盟,金龙盟——曹,李洁AU -李,并荣获盟——廖,本盟——咚,Shoubin AU - Li Ping PY - 2020 DA - 2020/05/18 TI -可翻译的学习方法在静息状态功能连通性分析:自闭症谱系障碍的SP - 1394830六世- 2020 AB -深层神经网络已经应用于研究脑部疾病,如自闭症谱系障碍(ASD)取得了巨大的成功。然而,这些网络的内部逻辑很难解释,尤其是对特定的网络体系结构决策是如何制造的。在本文中,我们研究一个解释的神经网络模型作为一种方法来识别自闭症参与者从功能性磁共振成像(fMRI)模型的数据和解释结果在一个精确的和一致的方式。首先,我们提出一个可完全连接的神经网络(FCNN)对两组进行分类,自闭症与健康对照组(HC),基于输入数据从静息状态功能连通性(rsFC)之间的区域(roi)的利益。拟议中的FCNN模型是一个分段线性神经网络(PLNN),使用分段线性函数LeakyReLU激活函数。我们实验比较了FCNN模型对广泛使用的分类模型包括支持向量机(SVM),随机森林,两个新类的深层神经网络模型在大型数据集包含871名调查对象从数据库住我。结果显示该FCNN模型实现了分类精度最高。第二,我们进一步提出一个解释方法恰恰可以解释训练模型和精确的线性公式对每个输入样本和决策特征对分类的贡献最大的ASD和HC的参与者模型。我们也讨论的意义提出了功能磁共振成像数据分类和解释方法。SN - 1748 - 670 - 2020/1394830 / 10.1155 x你——https://doi.org/10.1155/2020/1394830——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER