首页|用于阿尔兹海默病辅助诊断的多流卷积神经网络

用于阿尔兹海默病辅助诊断的多流卷积神经网络

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
磁共振成像(MRI)是临床诊断中常用的成像技术,可以辅助医生对疾病进行评估和预测,从而能够进行更早的疾病治疗和预防.本文将特征和线性拼接两种融合方法引入到多流卷积神经网络(MSCNN)上,实现了二分类任务(即阿尔兹海默病(AD)和正常队列(NC)).该方法首先对MRI图像进行校订矫正,将图像切割成灰质(GM)、白质(WM)、脑脊液(CSF)三部分再输入模型,这样可以更好地捕获到图像的局部特征.在模型中嵌入两种融合方法,特征融合Fusion()方法对四路卷积进行加权,可以为不同分支流提供不同的权重;线性拼接Cat()方法则可以实现独立卷积.本文提出的MSCNN-Fusion和MSCNN-Cat两种方法在大量受试者中进行了评估实验.实验证明,该方法比其他方法的诊断或分类准确率更高,对AD和NC的分类准确率达到了83％,具有更优良的性能.
Multi-Stream Convolutional Neural Networks for Alzheimer's Disease-Assisted Diagnosis

贾瑷玮、刘芳宇

展开 >

南华大学计算机学院医学信息工程系,衡阳 421001

上海大学计算机工程与科学学院,上海 200444

阿尔兹海默病 多流卷积神经网络 特征融合 线性拼接

2022

10.3969/j.issn.1007-1423.2022.15.004

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(15)
  • 5