基于卷積神經網絡和集成學習的阿爾茨海默癥早期診斷
曾安; 賈龍飛; 潘丹; Song; Xiaowei 廣東工業(yè)大學計算機學院; 廣州510006; 廣東省大數據分析與處理重點實驗室; 廣州510006; 廣東建設職業(yè)技術學院現代教育技術中心; 廣州510440; 廣州市大智網絡科技有限公司; 廣州510000; 西蒙弗雷澤大學影像技術實驗室; 溫哥華V6B5K3
關鍵詞：阿爾茨海默癥 輕度認知障礙 卷積神經網絡 集成學習 磁共振圖像
摘要：阿爾茨海默癥(AD)是一種典型的神經退行性疾病,臨床上表現為失憶、喪失語言能力、喪失生活自理能力等。迄今為止,AD病因尚不明確且病程不可逆,也沒有治愈的方法,因此,AD的早期診斷對于研發(fā)新型藥物和措施以減緩病情發(fā)展具有重要意義。輕度認知障礙(MCI)是一種介于AD和正常老化(HC)之間的狀態(tài)。研究表明,MCI患者比沒有患過MCI的人更有可能發(fā)展成AD,因此,對MCI患者的準確篩查成為了AD早期診斷的研究熱點之一。隨著神經影像技術和深度學習的飛速發(fā)展,越來越多的研究者使用深度學習方法對大腦神經影像如磁共振影像(MRI)進行分析,用于AD的早期診斷。于是,本文提出基于卷積神經網絡(CNN)和集成學習的多切片集成分類模型用于AD早期診斷。與只用單切片訓練獲得的CNN分類模型相比,本文采用三個維度上的多個二維切片進行訓練而獲得的集成分類器模型,能更充分地利用MRI包含的有效信息,從而提高分類的準確率和穩(wěn)定性。
生物醫(yī)學工程學雜志要求:
{1}正文包括題目、摘要、關鍵詞、引言、方法、結果、討論、結論和參考文獻等部分內容。
{2}本刊對來稿有修改權，不愿改動者，請事先說明。
{3}關鍵詞：關鍵詞應盡量從《漢語主題詞表》中選用，并用封號相隔（3-6個為宜）。
{4}來稿請注明詳細地址、電話和E-mail，便于通知聯系。
{5}若需列出項目資助相關內容，均置于首頁底部，并于論文題目后標出星號。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
