脑部PET图像在阿尔茨海默病早期诊断中的应用

目的本研究使用脑部正电子发射型计算机断层显像(positron emission computed tomography,PET),并且设计了一个3D卷积神经网络(convolutional neural networks,CNN),以实现对阿尔茨海默病(Alzheimer disease,AD)的早期诊断。方法研究数据取自美国国立卫生研究院老年研究所的ADNI(Alzheimer’s Disease Neuroimaging Initiative)数据库,PET图像和磁共振(magnetic resonance,MR)图像均有收集并对数据进行相关预处理。为避免过早的下采样给模型性能带来不利影响,设计了一个3D CNN模型,比较两种不同模态的数据在AD早期诊断中各自的优缺点。结果使用本研究组设计的3D CNN模型在基于PET图像的AD早期诊断实验中,预测准确率、灵敏度、特异度以及曲线下面积(area under curve,AUC)分别达到71.19%、79.29%、61.35%、71.09%。此外,对本研究组的模型与计算机视觉中的经典模型VGG和ResNet使用相同数据进行对比实验,许多评价指标都要更优。结论使用脑部PET图像并结合3D CNN可以更好地利用3D图像的空间位置信息,更有效地提取特征,能对AD早期的病变情况有更准确高效的识别。