提出了利用卷积神经网络(CNN)对儿童注意缺陷与多动症(ADHD)的功能性核磁共振图像（fMRI）进行特征分析，从而对ADHD患者进行判别分析。针对ADHD-200全球竞赛的三个数据库的fMRI数据，首先利用快速傅里叶变换将数据从时域转换到频域，并利用Fisher线性判别方法选择有效的频率信息，然后利用改进的卷积神经网络对选择频域数据进行特征学习，自动提取出有效的特征并进行分类。实验结果表明，提出的方法有助于ADHD患者的判别，为基于fMRI数据的ADHD研究提供了新的手段。

基于静息状态fMRI的ADHD儿童复杂脑网络分析，冀鑫如，崔俊伟，注意缺陷/多动障碍（Attention Deficit/Hyperactivity Disorder，ADHD）是一种非常常见的儿童精神障碍疾病。ADHD已成为近十年来我国甚至世界一个�

针对注意缺陷多动障碍（attention deficit hyperactivity disorder，ADHD）儿童和正常儿童的分类问题，实验采用经典干扰控制任务范式对两类儿童的事件相关电位（event-related potential，ERP）进行了研究，旨在通过ERP特征实现其分类。实验首次使用长短期记忆（long-short term memory，LSTM）方法分析两类儿童前额叶与顶枕叶脑区最佳电极（p<0.05）潜伏期（200~450 ms）的脑电信号，并自动学习和分类其ERP特征。相比常规分类方法，LSTM方法的分类率略高，可达95.78%。研究结果表明LSTM方法有助于ADHD儿童脑电信号的分类，为ADHD儿童个体诊断技术提供了一种新思路。

参加者为61名多动症儿童和60名健康对照者（男孩和女孩，7至12岁）。多动症儿童是由经验丰富的精神病医生诊断为符合DSM-IV标准，并服用了利他林长达6个月。对照组中没有儿童有精神病，癫痫病或任何高危行为的报告。根据10-20个标准通过19个通道（Fz，Cz，Pz，C3，T3，C4，T4，Fp1，Fp2，F3，F4，F7，F8，P3，P4，T5，T6，O1， O2）在128 Hz采样频率下。 A1和A2电极是位于耳垂上的参考电极。由于多动症儿童的缺陷之一是视觉注意，因此脑电图记录协议是基于视觉注意任务的。在任务中，向孩子们展示了一组卡通人物的图片，并要求他们对人物进行计数。每张图像中的字符数是在5到16之间随机选择的，并且图片的大小足够大，以至于儿童容易看到和计数。为了在信号记录过程中产生持续的刺激作用，每个图像都应立即显示，并且在孩子做出反应后不会中断。因此，在整个认知视觉任务中记录脑电图的持续时间取决于孩子的表现（即反应速度）。