10.3969/j.issn.2095-2163.2022.05.003
基于脑部特异子结构分析的阿尔兹海默症分类
近年来基于核磁共振影像学(Magnetic Resonance Imaging,MRI)的阿尔兹海默症(Alzheimer′s disease,AD)分类备受关注.研究表明,阿尔兹海默症与脑部子结构的形态学密切相关,现有研究通常是直接选取海马体、杏仁体等医学分析上具有特异性的子结构进行探究,并没有全面地去进行特异性子结构筛选.为了探究AD与子结构特异性之间的相关性,主要做了以下2个方面的工作:(1)提取脑部子结构的体积信息作为特征向量进行分类,并且通过机器学习决策树输出对分类起决定性作用的子结构.(2)以ResNet-3D为基础构建了网络,引入注意力子模块,过滤MRI图像中的冗余信息,同时将机器学习提取的特异性子结构的体积信息与高维特征信息进行融合,再进行分类.选用ADNI公开数据集上765名患者(正常(Cognitively Normal,CN)358名、AD患者407名)不同时期的2294个脑部MRI图像进行了实验验证.实验结果表明,决策树中对分类起主要作用的子结构为海马体、杏仁体和鼻内嗅皮层这三个区域,提出的方法,优于其他5种当前方法,可以作为一种很有前景的AD辅助诊断方法.
阿尔兹海默症、深度学习、注意力、特异性子结构
12
TP391.41(计算技术、计算机技术)
成都市重大科技应用示范项目2019-YF09-00120-SN
2022-06-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
11-15,22