基于广义卷积神经网络的阿尔茨海默病多模态磁共振图像分类方法研究 |
| |
引用本文: | 覃智威,刘钊,陆允敏,朱平.基于广义卷积神经网络的阿尔茨海默病多模态磁共振图像分类方法研究[J].生物医学工程学杂志,2023(2):217-225. |
| |
作者姓名: | 覃智威 刘钊 陆允敏 朱平 |
| |
作者单位: | 1.上海交通大学机械与动力工程学院200240;2.上海交通大学汽车动力与智能控制国家工程研究中心200240;3.上海交通大学设计学院200240;4.上海交通大学附属第六人民医院200240; |
| |
基金项目: | 上海交通大学医工(理)交叉基金(YG2019QNB17)。 |
| |
摘 要: | 阿尔茨海默病(AD)是一种进行性、不可逆的神经系统退行性疾病,基于磁共振成像(MRI)的神经影像学检查是进行AD筛查与诊断最直观、可靠的方法之一。临床上头颅MRI检测会产生多模态影像数据,为解决多模态MRI处理与信息融合的问题,本文提出基于广义卷积神经网络(gCNN)的结构MRI和功能MRI特征提取与融合方法。该方法针对结构MRI提出基于混合注意力机制的三维残差U型网络(3D HA-ResUNet)进行特征表示与分类;针对功能MRI提出U型图卷积神经网络(U-GCN)进行脑功能网络的节点特征表示与分类。在两类影像特征融合的基础上,基于离散二进制粒子群优化算法筛选最优特征子集,并使用机器学习分类器输出预测结果。来自AD神经影像学计划(ADNI)开源数据库的多模态数据集验证结果表明,本文所提出的模型在各自数据域内都有优秀的表现,而gCNN框架结合了两类模型的优势,进一步提高使用单一模态MRI的方法性能,将分类准确率和敏感性分别提升了5.56%和11.11%。综上,本文所提出的基于gCNN的多模态MRI分类方法可以为AD的辅助诊断提供技术基础。
|
关 键 词: | 阿尔茨海默病 多模态磁共振图像 广义卷积神经网络 混合注意力机制 图卷积神经网络 |
本文献已被 维普 等数据库收录! |