基于卷积循环神经网络的阿尔茨海默症早期诊断 |
| |
引用本文: | 曾安,黄殷,潘丹,SONG Xiaowei.基于卷积循环神经网络的阿尔茨海默症早期诊断[J].生物医学工程研究,2020,39(3). |
| |
作者姓名: | 曾安 黄殷 潘丹 SONG Xiaowei |
| |
作者单位: | 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510006;广东工业大学计算机学院,广州510006;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510000;西蒙弗雷泽大学影像技术实验室,温哥华V6B 5K3 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;国家自然科学基金;广东省自然科学基金;广州市科技计划;广州市科技计划;国家重点实验室开放基金 |
| |
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 |
本文献已被 CNKI 万方数据 等数据库收录! |
|