Abstract：
针对脑功能连接数据维度过高、冗余特征过多影响神经网络分类准确率的问题,提出一种基于显著稀疏强关联的脑功能连接分类方法.该方法利用显著特征稀疏模块对原始特征进行筛选增强;采用稀疏强关联特征上下文融合模块对不同感受野内的显著特征信息进行聚合;使用全连接神经网络进行分类预测.在ABIDE以及ADHD-200数据集上的实验结果表明,所提方法相较于现有的脑功能连接分类算法在准确率上分别提升了10.41％和12.50％.重要特征的可视化结果表明所提方法能准确定位与疾病相关的脑区,具有一定实际应用价值.
Keyword：
Reprint Author's Address：
Email：
Source ：
浙江大学学报（工学版）
ISSN： 1008-973X
Year： 2022
Issue： 11
Volume： 56
Page： 2232-2240,2250
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 20
