| 摘 要： | 目的：为了提高阿尔茨海默病（Alzheimer’s disease,AD）的分类效果,提出一种基于深度学习与多模态生理数据的AD分类方法。方法：选用阿尔茨海默病神经影像学计划（the Alzheimer’s Disease Neuroimaging Initiative,ADNI）数据库中AD患者、早期轻度认知障碍（early mild cognitive impairment,EMCI）患者、晚期轻度认知障碍（late mild cognitive impairment,LMCI）患者和正常认知（normal cognition,NC）受试者的多模态数据,利用改进的New＿ResNet50网络提取受试者大脑MRI图像特征进行分类,利用3D-Unet-Attention网络对海马体图像进行分割后通过残差网络进行分类,利用多层感知机（multi-layer perceptron,MLP）网络基于患者的生理数据与海马体体积进行分类,并对3个网络给出的分类结果采用投票法确定最终分类结果。比较改进的New＿ResNet50网络、3D-Unet-Attention网络分类模型与传统网络分类模型对...
|
