基于PH-GAT的精分患者分类预测模型研究.pdfVIP

2024年4月10日现代信息科技Apr.2024

第8卷第7期ModernInformationTechnologyVol.8No.7

DOI:10.19850/ki.2096-4706.2024.07.023

基于PH-GAT的精分患者分类预测模型研究

盛志林，阴桂梅，符永灿

（，）

太原师范学院计算机科学与技术学院山西晋中030619

摘要：对目前基于脑网络的分析进行研究，研究显示，分析方法大致分为基于持续同调方法的分析和基于深度

学习模型的分析。为了提高脑疾病诊断的预测能力，模型将持续同调集成到GAT模型中，使其具有“拓扑意识”。在

模型的最后使用LSTM模型，目的是为了捕捉到所形成特征中的时序信息，从而提高分类预测的效果。在PH-GAT模型下，

采用局部和全局的融合特征对Theta频段数据分类，分类准确率高达0.9309。如此不仅可以发现早期诊断精神分裂症

的客观、有效的影像学标志物，还可以提高脑疾病诊断的预测能力。

关键词：脑网络；持续同调；图注意力网络；精神分裂症

中图分类号：TP391；TP183文献标识码：A文章编号：2096-4706（2024）07-0107-07

ResearchonaClassificationPredictionModelforSchizophrenicPatientsBasedonPH-GAT

SHENGZhilin,YINGuimei,FUYongcan

(CollegeofComputerScienceandTechnology,TaiyuanNormalUniversity,Jinzhong030619,China)

Abstract:Thispaperstudiesthecurrentanalysisbasedoncerebralnetwork,thestudyshowsthattheanalysismethodscan

bebroadlycategorizedintotwomainapproaches:analysisbasedoncontinuoushomotopymethodsandanalysisbasedonDeep

Learningmodels.Inordertoenhancethepredictivecapabilitiesofbraindiseasediagnosis,thismodelincorporatescontinuous

“”

homotopyintotheGATmodel,endowingitwithatopologicalawareness.Towardstheendofthemodel,theLongShort-

TermMemory(LSTM)modelisemployedtocapturetemporalinformationembeddedwithintheextractedfeatures,thereby

enhancingtheeffectivenessofclassificationprediction.UnderthePH-GATmodel,afusionoflocalandglobalfeaturesisapplied

forclassifyingdataintheThetafrequencyrange,achievingahighclassificationaccuracyof0.9309.Thisapproachno