多尺度卷积循环神经网络及其在抑郁症分类中的应用

【作者】 燕卫政； 郑磊磊； 陈巧珍； 林铮；

【机构】 中国科学院大学； 浙江大学第二附属医院；

【摘要】 目的借助人工智能和深度学习的方法 ,提高抑郁症的分类准确率,并对模型进行可解释性分析以追溯与疾病相关的影像学标志物。方法设计了一种基于深度学习技术的多尺度卷积循环神经网络模型,避免了功能连接的计算过程,在时间序列上直接对fMRI进行分类,并使用"去一特征法"追溯与抑郁症(major depressive disorder,MDD)相关的特征标志物。结果将此模型应用于100例被试的MDD/HC分类任务,分类准确率达到71.4%,优于对比的经典的机器学习分类算法,发现的可解释性标志物主要集中于腹侧纹状体部分。结论本文提出的深度学习模型在fMRI分类任务中可以达到超过经典的机器学习算法的性能,追踪到的影像学标志物与之前的MDD研究一致,该方法亦可推广至其它精神疾病的分类以及生物标志物追溯。更多还原