基于rs-fMRI数据及非成像表型信息融合的MRI自动ADHD诊断分类模型及其训练方法

本发明公开了一种基于rs‑fMRI数据及非成像表型信息融合的MRI自动ADHD诊断分类模型及其训练方法。本发明利用图卷积神经网络构建ADHD分类模型并通过对成像信息（静息状态fMRI数据）及非成像表型信息的融合来丰富图卷积网络的输入，不仅充分考虑了大脑的静态功能连接模式，还结合了人口统计学特征（这些特征包括但不限于性别、年龄和测试站点），实现了对ADHD患者与正常人的精准区分，显著提升了分类和预测的精度，为神经科学研究提供了强有力的支持。本发明可以有效的辅助临床医生进行ADHD的诊断，提高诊断效率和诊断准确度，降低病患的误诊率，进一步提升诊疗效果。