基于卷积循环神经网络的阿尔茨海默症早期诊断
曾安1
黄殷2
潘丹3
SONG Xiaowei4
1.广东工业大学计算机学院,广州510006;广东省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.广东建设职业技术学院现代教育技术中心,广州510440;广州市大智网络科技有限公司,广州5100004.西蒙弗雷泽大学影像技术实验室,温哥华V6B 5K3
摘要：早期准确诊断能延迟阿尔茨海默症(Alzheimer′s disease,AD)病情的恶化.磁共振成像(MRI)和正电子发射断层扫描(PET)已被证明有助于了解AD相关的解剖和功能性神经变化.近期研究表明,多模态特征的融合可以提高分类性能.本研究提出了一种基于卷积循环神经网络的多模态数据分类新框架,新框架结合了2D卷积神经网络和循环神经网络,以学习3D MRI和3D PET图像切分为2D切片序列之后的切片内、切片间特征,完成AD的早期诊断.本研究方法在AD与NC的分类实验中ACC为93.3％,AUC为98.1％;在MCIc与NC的分类实验准确率为83.8％,AUC为91.9％;MCIc与MCInc的分类实验准确率为79.0％,AUC为88.9％.结果 表明该方法具有良好的分类性能.
关键词：阿尔茨海默症卷积神经网络循环神经网络磁共振成像正电子发射断层扫描图像分类
分类号：R318(医用一般科学)
资助基金：国家自然科学基金(61772143)国家自然科学基金(61976058)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：2020-09-25
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( 249-255 )
英文信息