44、医疗诊断中的深度学习应用：自闭症与肺炎检测

医疗诊断中的深度学习应用：自闭症与肺炎检测

一、基于 EEG 信号的自闭症谱系障碍检测

1.1 研究概述

自闭症谱系障碍（ASD）的检测是一个重要的研究领域。研究人员使用卷积神经网络（CNN）对 ASD 进行连接性测量和分类。通过互信息（MI）及其变体归一化互信息（NMI）来衡量两个变量之间的相互依赖关系，从脑电图（EEG）信号的三个频段（α、β 和 γ）中提取连接特征，再利用 CNN 区分 ASD 患者和对照组。

1.2 检测步骤

1.2.1 EEG 数据预处理

• 数据来源 ：数据来自意大利的 Villa Santa Maria 研究所，包括 15 名患有 ASD 的儿童（3 名女性，12 名男性，年龄在 7 - 14 岁之间）和 10 名神经健康的儿童（6 名女性，4 名男性，年龄在 7 - 12 岁之间）。
• 记录方式 ：使用国际 10 - 20 系统以 256 Hz 的采样频率记录 EEG 信号，选择的通道包括 Fp1、Fp2 等 20 个通道。
• 信号过滤 ：使用带通滤波器（0.3 - 70 Hz）和 EEGLAB 对信号进行过滤。

1.2.2 连接特征图生成

• 互信息（MI） ：MI 用于衡量一个随机变量通过观察另一个随机变量所获得的信息。对于两个随机变量 A 和 B，MI(A, B) = H(A) + H(B) - H(A, B)，其中 H