TY -非盟的妞妞,柯盟——郭Jiayang AU -潘,杰出AU -高,鑫盟——彭交给非盟- Li Ning AU -李,海龙PY - 2020 DA - 2020/01/31 TI -多通道深度关注神经网络对于自闭症谱系障碍的分类使用神经影像学和个人特征数据SP—1357853六世- 2020 AB -自闭症谱系障碍(ASD)是一种发育紊乱,影响超过1.6%的8岁的儿童在美国。它的特点是在社会互动和沟通障碍,以及限制的活动和兴趣。ASD的当前标准化临床诊断仍然是一个主观的诊断,主要依赖于基于行为的测试。然而,自闭症的诊断过程不仅费时,而且昂贵,导致一个巨大的患者家庭的经济负担。因此,自动诊断方法一直是一个有吸引力的解决方案之前ASD的识别。在这项工作中,我们将开发一个深度学习模型自动诊断自闭症。具体来说,多通道深度关注神经网络(丹)提出了通过集成的多层神经网络,注意机制、特征融合来捕获数据多峰性的相互关系。我们评估提出的多通道丹模型自闭症脑成像数据交换(遵守)库809例(408自闭症患者和401典型开发控制)。我们的模型实现了先进的0.732 ASD分类精度通过整合三个尺度的大脑功能连接体和个人特征数据,优于多个对等机器学习模型 k倍交叉验证实验。额外的 k倍,leave-one-site-out进行了交叉验证测试提出的多通道丹模型的普遍性和鲁棒性。深度学习模型的结果显示承诺援助的未来自动化临床诊断自闭症。SN - 1076 - 2787你——https://doi.org/10.1155/2020/1357853——10.1155 / 2020/1357853 JF - PB - Hindawi KW - ER -复杂性