2018年[毕业设计]基于核磁共振成像的儿童多动症分析 答辩-文档资料.ppt
《2018年[毕业设计]基于核磁共振成像的儿童多动症分析 答辩-文档资料.ppt》由会员分享,可在线阅读,更多相关《2018年[毕业设计]基于核磁共振成像的儿童多动症分析 答辩-文档资料.ppt(29页珍藏版)》请在三一文库上搜索。
1、毕业设计工作成果,理论研究 一篇论文(计算机工程,已送审) 实验研究 基于卷积神经网络的ADHD判别分析 频段特征对判病的影响,提纲,五、下阶段工作,一、研究意义,注意缺陷多动障碍症是一种常见的精神失调状况。全球流行率为5.29%。长期未愈可造成患者成人后教育水平低、反社会障碍和药物滥用等不良后果。 临床判别主要通过测量表、医生经验,因此过于主观。 通过对ADHD的fMRI数据进行认知计算从而为ADHD的诊断提供生物学标志是进行ADHD研究的一个炙手可热的方面。,儿童多动症的研究意义,图1.1:ADHD全球青少年患病率,二、相关理论概述,小波理论,ADHD患者相较于正常人而言,在静息态状态下某
2、些脑区激活点仍存在异常活跃现象。结合ADHD数据的特点,相比fMRI图像的脑体素像素信息,我们关注的是对描述脑部活动更有意义的频率信息。,图2.1:小波包3尺度分解生成树示意图,因此我们利用拥有数学上的“显微镜” 的小波理论对数据进行从时域数据映射到频域上的转换。 小波包变换不仅能对数据进行低频部分多尺度,同时能对高频部分进行分割。,主要算法PCA、ICA、SVM,主成分分析法:特征不相关,独立成分分析法:特征相互独立,支持向量机:通过向高维空间映射达到对数据的线性分割,深度学习,深度学习模型特点 深层的神经网络模型具有强大的抽象特征能力,通过深层网络模型学习而来的特征对原始数据具有更好的代表
3、性,图2.2 :用于手写体字符识别的卷积神经网络结构示意图,刘建伟,刘媛,罗雄麟,等.深度学习研究进展J.计算机应用研究, 2014,31(7): 1921-1930, 1942.,卷积神经网络 多个单层卷积网络堆叠起来的有监督学习神经网络 局部感受野、权重共享技术来使训练规模减少,三、基于卷积神经网络的ADHD判别分析,实验概述,已有的文献并未涉及到将卷积神经网络引入到ADHD判别。 实验: 1. 卷积神经网络模型可行性探索 训练次数对正确率的影响 2.浅层学习与深度学习效果比较 PCA、FastICA、CNN的比较,实验数据来源与ADHD-200竞赛结果,实验数据来自ADHD-200数据库
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 毕业设计 2018年毕业设计基于核磁共振成像的儿童多动症分析 答辩-文档资料 2018 基于 核磁共振成像 儿童 多动症 分析 答辩 文档 资料
链接地址:https://www.31doc.com/p-1889950.html