X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
帮助中心 | 关于我们
欢迎来到合肥巢湖经开区网上技术交易平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[00902352]一种基于自监督学习和迁移学习的抑郁症分类方法

交易价格: 面议

所属行业:

类型: 发明专利

技术成熟度: 通过小试

专利所属地:中国

专利号:CN202110474703.8

交易方式: 其他

联系人:

所在地:浙江杭州市

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

一种基于自监督学习和迁移学习的抑郁症分类方法,基于弥散张量成像数据跟踪全脑白质纤维束,构建全脑白质纤维束网络,利用自监督学习策略通过对比学习自动学习与下游任务无关的脑网络节点表征和网络表征。基于脑网络表征和和非影像表型信息,构建群组网络,将抑郁症分类问题转换为网络节点分类问题,使用基于谱图卷积的图卷积神经网络模型对抑郁症患者和正常对照分类。本发明利用自监督学习和迁移学习,部分解决了抑郁症样本较少的问题,有效挖掘了抑郁症相关的脑网络水平特征,提高了抑郁症分类的精度。
一种基于自监督学习和迁移学习的抑郁症分类方法,基于弥散张量成像数据跟踪全脑白质纤维束,构建全脑白质纤维束网络,利用自监督学习策略通过对比学习自动学习与下游任务无关的脑网络节点表征和网络表征。基于脑网络表征和和非影像表型信息,构建群组网络,将抑郁症分类问题转换为网络节点分类问题,使用基于谱图卷积的图卷积神经网络模型对抑郁症患者和正常对照分类。本发明利用自监督学习和迁移学习,部分解决了抑郁症样本较少的问题,有效挖掘了抑郁症相关的脑网络水平特征,提高了抑郁症分类的精度。

推荐服务:

Copyright    ©    2016    合肥巢湖经开区网上技术交易平台    All Rights Reserved

皖ICP备15001458号

运营商:科易网