面向自闭症辅助诊断的深度对比模糊神经网络

摘要：

静息态功能磁共振成像(rs-fMRI)可有效反映大脑活动状况,然而rs-fMRI数据的高随机性和自闭症谱系障碍(ASD)内在的高异质性给ASD计算机辅助诊断带来了不确定性.提出一种基于对比损失的Takagi-Sugeno-Kang(TSK)深度模糊神经网络CL-DeepTSK,结合多输出TSK(MO-TSK)模糊系统与多层感知机(MLP)有效缓解数据不确定性对模型的影响,提升TSK模糊系统的表达能力,并使模型更具可解释性.使用对比损失目标学习准则对MO-TSK与MLP进行联合优化,提高训练样本缺乏时的模型泛化性能.在ABIDE数据集上的实验结果表明,CL-DeepTSK的平均正确率和AUC指标分别达到70.0％和0.773,同时获得了30个最具鉴别性的功能连接.上述实验结果证明了CL-DeepTSK能够有效地进行自闭症辅助诊断,并且具有较高的可解释性.

关键词：自闭症谱系障碍、静息态功能性磁共振成像、Takagi-Sugeno-Kang模糊系统、对比损失、计算机辅助诊断

所属期刊栏目：49

分类号：TP391.4(计算技术、计算机技术)

资助基金：上海市自然科学基金20ZR1419900

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：263-271