今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

混合Vi+ECNN框架在医学影像中提升ADHD(注意力缺陷多动障碍)诊断的准确性

《Scientific Reports》:Hybrid Vi+ECNN framework for advanced ADHD diagnostic accuracy in medical imaging

【字体: 大 中 小 】 时间:2026年05月03日 来源:Scientific Reports 3.9

编辑推荐:

  摘要注意缺陷/多动障碍(ADHD)是一种常见的神经发育障碍,给个人和社会带来了巨大的负担。传统的诊断方法主要依赖于行为评估,但这些方法容易受到主观性和变异性的影响,因此迫切需要客观、自动化的诊断工具。本研究开发了一种针对ADHD的、基于生物学信息的多流深度学习框架,用于儿童脑部M

  

摘要

注意缺陷/多动障碍(ADHD)是一种常见的神经发育障碍,给个人和社会带来了巨大的负担。传统的诊断方法主要依赖于行为评估,但这些方法容易受到主观性和变异性的影响,因此迫切需要客观、自动化的诊断工具。本研究开发了一种针对ADHD的、基于生物学信息的多流深度学习框架,用于儿童脑部MRI图像的分类。该框架结合了视觉变换器(ViT)和增强型卷积神经网络(ECNN),以及原始MRI数据、相位谱变换(PST)和分位数直方图均衡去噪(QHED)技术,以捕捉全局和局部的神经解剖特征。该架构通过将ViT提供的全局上下文信息与ECNN提取的局部特征相结合,利用了两种技术的互补优势。在生物学信息驱动的多流预处理策略中,原始MRI数据用于保留整体解剖结构,相位谱变换用于突出大脑皮层的边界不规则性,而分位数直方图均衡去噪技术则增强了灰质与白质之间的对比度。在分层儿童MRI数据集上的实验评估表明,所提出的ViT+ECNN模型分类准确率为99.4%,精确度为99.3%,召回率为99.5%,F1分数为0.99,显著优于单独使用ViT或ECNN的方案。这些结果表明,混合型的变换器-卷积模型能够显著提高诊断准确性,为ADHD的早期识别和干预提供了有前景的方法。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:ADHD诊断|ViT+ECNN混合模型|多流预处理策略|儿童脑MRI图像分析|高准确率分类|神经发育障碍筛查

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号