基于典型相关分析与双模态数据融合的抑郁症辅助诊断

摘要

为了充分提取抑郁症患者的磁共振影像信息,提高抑郁症的诊断准确率,本研究将功能磁共振图像与结构磁共振图像作为研究对象,提出一种双模态数据融合的抑郁症分类算法.首先构建4种不同尺度的功能脑网络,提取功能磁共振图像的数据特征,然后使用迁移学习处理的三维密集连接卷积神经网络,提取结构磁共振图像的数据特征,接着使用典型相关分析方法融合两种特征,最后使用支持向量机对融合特征进行分类,从而将受试者识别为健康者或抑郁症患者.实验结果表明,本文提出的方法可获得89.56％的分类准确率与95.48％的召回率,与单模态数据分类相比,基于双模态数据的分类方法具有更好的分类性能.此外,典型相关分析法可以有效融合双模态的图像特征.