基于二分假设端到端深度学习的ADHD辅助诊断

郇战; 张玉龙; 陈瑛; 王乐乐

doi:10.13705/j.issn.1671-6833.2025.04.008

郑州大学学报（工学版） ›› 2026, Vol. 47 ›› Issue (01) : 81 -87. DOI: 10.13705/j.issn.1671-6833.2025.04.008

基于二分假设端到端深度学习的ADHD辅助诊断

郇战, 张玉龙, 陈瑛, 王乐乐

作者信息 +

Author information +

文章历史 +

PDF

摘要

在注意缺陷多动障碍(ADHD)的辅助诊断研究中，很多ADHD分类方法存在模型不能一体化或缺乏生物学解释的问题。为此，提出一种基于二分假设端到端深度学习的ADHD分类模型。在二分假设框架下，选择边缘系统相关的低频波动振幅数据作为输入特征，并设置注意力模块，使得网络重点关注分类贡献高的特征。模型整体形成端到端结构，而不是传统的深度学习和机器学习结合的结构。此外，完成检测生物标识的任务，提供生物学解释。在ADHD-200数据库的留一交叉验证实验中，4个子数据库上的平均准确率达到98.1%。随后，在边缘系统上进行ADHD生物标识的统计与分析，得到的ADHD生物标识分别为前扣带与旁扣带脑回、右杏仁核、嗅皮质和左杏仁核，这些结果证实了基于二分假设端到端深度学习模型的合理性。