基于卷积神经网络的注意缺陷多动障碍分类研究 - 生物医学工程学杂志.pdf

生物医学工程学杂志 2017年2月第34卷第1期 • 1 • ·论 著· 基于卷积神经网络的注意缺陷多动障碍分类 研究 朱莉，张丽英，韩云涛，曾佺，常为科 南昌大学 信息工程学院（南昌 330031 ） 【摘要】   注意缺陷多动障碍（ADHD ）是一种高发于学龄儿童的行为障碍综合症。目前，ADHD 的诊断主要 依赖主观方法，导致漏诊率和误诊率较高。基于此，本文提出一种基于卷积神经网络的 ADHD 客观分类算法。 首先，对脑部磁共振图像（MRI ）进行头骨剥离、高斯核平滑等预处理；其次，对大脑的右侧尾状核、左侧楔前叶 和左侧额上回部位的MRI进行粗分割；最后，利用 3 层卷积神经网络进行分类。实验结果表明：① 本文的算法 能有效地对 ADHD 和正常人群进行分类；② 右侧尾状核和左侧楔前叶的 ADHD 分类准确率要高于 ADHD-200 全球竞赛中所有方法达到的 ADHD 最高分类准确率（62.52% ）；③ 利用上述 3 个脑区对 ADHD 患者和正常人群 进行分类，其中右侧尾状核的分类准确率最高。综上所述，本文提出了一种利用粗分割和深度学习对 ADHD 患 者和正常人群进行分类的方法。本文方法分类准确率高，计算量小，能较好地提取不明显的图像特征，改善了传 统 MRI 脑区精确分割耗时长及复杂度高的缺点，为 ADHD 的诊断提供了一种可参照的客观方法。 【关键词】  注意缺陷多动障碍；磁共振图像；卷积神经网络 Study of attention deficit/hyperactivity disorder classification based on convolutional neural networks ZHU Li, ZHANG Liying, HAN Yuntao, ZENG Quan, CHANG Weike School of Information Engineering, Nanchang University, Nanchang 330031, P.R.China Corresponding author: ZHU Li, Email: lizhuthu@163.com 【Abstract 】 Attention deficit/hyperactivity disorder (ADHD) is a behavioral disorder syndrome found mainly in school-age population. At present, the diagnosis of ADHD mainly depends on the subjective methods, leading to the high rate of misdiagnosis and missed-diagnosis. To solve these problems, we proposed an algorithm for classifying ADHD objectively based on convolutional neural network. At first, preprocessing steps, including skull stripping, Gaussian kernel smoothing, et al., were applied to brain magnetic resonance imaging (MRI). Then, coarse segmentation was used for selecting the right caudate nucleus, left precuneus, and left superior frontal gyrus region. Finally, a 3 level convolutional neural network was used for classification. Experimental results showed that the proposed algorithm was capable of classifying ADH