基于3D卷积神经网络-感兴趣区域的阿尔茨海默症辅助诊断模型
曾安1
邹超2
潘丹3
1.广东工业大学计算机学院,广州510006;广东大数据分析与处理重点实验室,广州5100062.广东工业大学计算机学院,广州5100063.广州建设职业技术学院现代教育技术中心,广州510440
摘要：磁共振(magnetic resonance imaging,MRI)图像的预测分类对早期阿尔茨海默症(Alzheimer's dis-ease,AD)的诊断非常重要.轻度认知障碍(mild cognitive impairment,MCI)作为AD的一种早期阶段,在诊断时存在大脑脑区萎缩区域不明确,诊断准确率偏低等问题.本研究提出一种基于感兴趣区域(regions of interest,ROI)的3D卷积神经网络(convolutional neural network,CNN)模型来解决AD分类准确率偏低等问题,进而实现对AD的计算机辅助诊断.实验数据均来自ADNI数据库,实验结果表明,基于ROI的3 D CNN的AD辅助诊断模型在分类AD vs正常对照(normal control,NC)、MCI转化AD(MCI converted to AD,MCIc)vs NC和MCI未被转化AD(MCI not converted to AD,MCInc)vs MCIc的5折交叉验证平均准确率分别为85.2％、83.9％、68.5％.相比于传统的主成分分析+支持向量机方法和单纯的切片集成方法,本研究方法在AD辅助诊断中取得了更好的分类效果和泛化能力,还可为其他脑疾病诊断提供新思路.
关键词：阿尔茨海默症分类卷积神经网络感兴趣区域交叉验证
分类号：R318(医用一般科学)TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61976058)国家自然科学基金(61772143)国家自然科学基金(61300107)广东省自然科学基金(S2012010010212)广州市科技计划(201601010034)广州市科技计划(201804010278)国家重点实验室开放基金(201801)
论文发表日期：2020-06-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 133-138,144 )
英文信息