融合圖像和指標(biāo)的阿爾茨海默病多分類診斷模型
關(guān)鍵詞：阿爾茨海默病 卷積神經(jīng)網(wǎng)絡(luò) 典型相關(guān)分析 核磁共振圖像 生物標(biāo)志物
摘要：隨著人工智能的發(fā)展,計(jì)算機(jī)輔助診斷在阿爾茨海默病診斷中扮演著越來(lái)越重要的角色.本文提出了一種融合圖像和指標(biāo)的新型多分類診斷模型,充分挖掘TOP-MRI圖像和臨床指標(biāo)特征用于阿爾茨海默病的多分類診斷.首先,構(gòu)建由3個(gè)VGGNet-16卷積神經(jīng)網(wǎng)絡(luò)和1個(gè)單隱層網(wǎng)絡(luò)組成的TOP-CNN-NN模型提取大腦TOP-MRI圖像特征向量,利用CfsSub-setEval評(píng)估器來(lái)篩選臨床指標(biāo)組成指標(biāo)特征向量;然后,采用典型相關(guān)分析(CCA)方法將圖像特征向量和指標(biāo)特征向量進(jìn)行線性融合;最后,將融合特征向量輸入多分類分類器來(lái)區(qū)分阿爾茨海默病的3個(gè)階段,包括正常(CN)、輕度認(rèn)知障礙(MCI)和阿爾茨海默病(AD).通過(guò)ADNI公開(kāi)數(shù)據(jù)集證明,本文提出方法在阿爾茨海默病多分類診斷上的正確率可達(dá)到86.7%,有較好的性能表現(xiàn).
智能計(jì)算機(jī)與應(yīng)用雜志要求:
{1}參考文獻(xiàn)：參考文獻(xiàn)位于文尾，按首字的拼音首字母順序排序，用序號(hào)[1]、[2]、[3]、[4]……標(biāo)示，若只有一個(gè)參考文獻(xiàn)，則文獻(xiàn)前不加序號(hào)。
{2}來(lái)稿選題應(yīng)具有問(wèn)題意識(shí)，有的放矢；論點(diǎn)要正確，結(jié)構(gòu)要合理，論證要充分，數(shù)據(jù)和資料要詳實(shí)可靠，文字表達(dá)要精煉準(zhǔn)確。
{3}圖片要求清晰，注明名稱、出處及其在文章中的位置。
{4}作者署名：多位作者之間以逗號(hào)分隔；作者來(lái)自不同單位的，在作者名右上角注l，2…，單位分別標(biāo)注，以分號(hào)隔開(kāi)。并在作者單位名稱前標(biāo)注2--工作單位、所在省市名、郵政編碼，加圓括號(hào)置于作者署名下方。
{5}中文摘要以 350 字內(nèi)為原則，英文摘要以 300 字內(nèi)為原則。關(guān)鍵詞最多 5個(gè)。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社
