【论文泛读】2020-2ADHD fMRI short-time analysis method for edge computing based on multi-instance learning

题目

基于多实例学习的边缘计算ADHD fMRI短时分析方法（ADHD fMRI short-time analysis method for edge computing based on multi-instance learning）

摘要

物联网技术和边缘计算在医疗领域的应用越来越多，以解决医疗资源不平衡的问题。为了更好地诊断注意力缺陷多动障碍（ADHD），我们提出了一种新的短时诊断技术，可以快速分析患者的功能磁共振成像（fMRI），并协助医生对患者进行远程诊断。与目前的 ADHD fMRI 分析方法不同，我们的方法速度快，可以反映患者大脑在不同时期的变化。
（1）该方法可以使用流数据分析小图像片段与 ADHD 之间的相关性，并将其量化为分数。该分数由基于阈值的 EM-MI 算法训练和计算。
（2）通过短时分析得到的分数，我们可以根据图像片段显示与ADHD高度相关的概率来区分健康人和患者。
该方法经ADHD-200数据测试，分类准确率良好（70.4%）。此外，我们对健康人和患者的大脑活动进行了视觉展示，发现差异很明显。上述结果表明，我们的方法可以有效地帮助医生进行多动症的远程诊断。

Bib

@article{
   Dou:2020:101834,
  author={
   Cheng Feng Dou and Shi Kun Zhang and Han Ping Wang and Li Sun and Yu Huang and Wei Hua Yue},
  title={
   Adhd fmri short-time analysis method for edge computing based on multi-instance learning},
  journal={
   Journal of Systems Architecture},
  volume={
   111},
  pages={
   101834},
  year=