1. 研究目的与意义（文献综述包含参考文献）
1.研究背景：大脑作为神经系统的中枢处理着我们日常生活中获取的各种信息，调节着身体的各种机能，具有极其精细的生物结构，大脑功能的轻微损坏即有可能导致疾病的发生。
脑部精神疾病作为一类高患病率的疾病长期以来一直困扰着患病人群的生活。
21世纪以来随着经济的快速发展，人们在生活水平提高的同时，生活压力也日益增大，精神疾病的患病率也持续上升，随着我国人口老龄化的趋势越来越严重,精神疾病给社会和众多家庭带来了巨大的负担。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
1.研究问题：本文研究基于fMRI和深度学习的ASD分类研究背景和意义，并分别从传统行为观测诊断方法、机器学习诊断ASD现状、深度学习优势和分类器等方面展开了分析和对比，寻找能够有效地训练一个高质量的深度学习模型的方法，同时能够在聚合大型fMRI数据集时的获取和注释的操作中保护每个患者的隐私。
2.解决方案：基于深度学习的fMRI数据分类流程如下：图2.1 fMRI数据分类流程图每个医院站点对fMRI数据进行预处理、脑功能分区，分别对数据进行模型训练。
然后上传模型权重，中央服务器接收到各个用户的模型后将其整合成一个全局模型，然后再分享给各个用户终端。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
