面向自闭症辅助诊断的深度对比模糊神经网络
来源：计算机工程杂志2023年第4期北京时间：
作者：陆昭吾, 王骏, 施俊
单位：上海大学 通信与信息工程学院, 上海 200444
摘要：静息态功能磁共振成像（rs-fMRI）可有效反映大脑活动状况，然而rs-fMRI数据的高随机性和自闭症谱系障碍（ASD）内在的高异质性给ASD计算机辅助诊断带来了不确定性。提出一种基于对比损失的Takagi-Sugeno-Kang （TSK）深度模糊神经网络CL-DeepTSK，结合多输出TSK （MO-TSK）模糊系统与多层感知机（MLP）有效缓解数据不确定性对模型的影响，提升TSK模糊系统的表达能力，并使模型更具可解释性。使用对比损失目标学习准则对MO-TSK与MLP进行联合优化，提高训练样本缺乏时的模型泛化性能。在ABIDE数据集上的实验结果表明，CL-DeepTSK的平均正确率和AUC指标分别达到70.0%和0.773，同时获得了30个最具鉴别性的功能连接。上述实验结果证明了CL-DeepTSK能够有效地进行自闭症辅助诊断，并且具有较高的可解释性。
关键词：自闭症谱系障碍,静息态功能性磁共振成像,Takagi-Sugeno-Kang模糊系统,对比损失,计算机辅助诊断
基金资助：上海市自然科学基金（20ZR1419900）。
