基于深度学习神经网络的儿童自闭症预测教学案例

【案例入库号】2017014

【作者】吴建华 

【单位】信息工程学院

【关键词】 深度学习；结构核磁共振成像(sMRI)；自闭症；脑网络；模式识别

【适用课程】数字图像处理、医学图像处理

【摘要】自闭症又称孤独症，是一种常发生在儿童中的广泛性发育障碍，表现为交流和语言障碍以及重复刻板的行为和狭窄的兴趣爱好。功能磁共振成像(Functional Magnetic Resonance Imaging, fMRI) 和结构磁共振成像(Structured Magnetic Resonance Imaging, sMRI)作为一种无损伤和多参数的影像方法，近年来被研究者们用于自闭症的实验研究。本案例通过大量的fMRI和sMRI成像实例，使用专业分析工具SPM和深度学习特征抽取向研究生展示自闭症患者脑部结构及功能发生的显著性改变，阐述模式识别怎么用于基于磁共振图像进行自闭症的预测，了解深度学习如何通过组合低层特征形成更加抽象的高层表示属性，以发现数据的分布式特征表示，从而提高识别率。