采用DenseNet模型的AD自动分类方法
Automatic classification of Alzheimer's disease using DenseNet model
陈玉思 1陈培坤 2叶宇光1
作者信息
- 1. 泉州师范学院 数学与计算机科学学院,福建 泉州 362000;智能计算与信息处理福建省高等学校重点实验室,福建 泉州 362000;福建省大数据管理新技术与知识工程重点实验室,福建 泉州 362000
- 2. 厦门硅田系统工程有限公司,福建 厦门 361021
- 折叠
摘要
为研究深度学习算法对阿尔茨海默病分类的准确性,提出密集卷积神经网络方法,对阿尔茨海默病进行分类.利用预处理后的数据训练密集卷积神经网络结构,并分类阿尔茨海默病和认知正常者.测试结果表明,文中方法获得的分类准确率为98.91%,分类阿尔茨海默病和轻度认知障碍的准确率为94.54%,准确率较其他算法有一定提升,为阿尔茨海默病的精准分类提供了一种有效的解决方案.
Abstract
In order to study the accuracy of deep learning algorithms in classifying Alzheimer's disease,a dense convolutional neural network(DenseNet)method was proposed.The preprocessed data is used to train a dense convolutional neural network structure and classify Alzheimer's disease and people with normal cogni-tion.The test results show that the classification accuracy obtained by this method is 98.91%.The accuracy rate of classifying Alzheimer's disease and mild cognitive impairment is 94.54%,which is significantly im-proved over other algorithms and provides an effective solution for the accurate classification of Alzheimer's disease.
关键词
阿尔茨海默病/脑部磁共振成像图像/深度学习/密集的网络Key words
Alzheimer's disease/brain magnetic resonance imaging images/deep learning/dense network引用本文复制引用
基金项目
福建省中青年教师教育科研项目(JAT170476)
出版年
2024
NETL
NSTL
万方数据