基于深度神经网络的阿尔兹海默病分类算法研究

发布时间：2024-03-06 21:09

　　阿尔兹海默病(Alzheimer Disease,AD)是最常见的一种老年痴呆症,在老年人中具有极高的发病率和患病率。轻度认知障碍(Mild Cognitive Impairment,MCI)是处于正常老年人(Normal Control,NC)和痴呆的过渡阶段。有研究发现对MCI患者或者早期AD患者进行药物干预,可以改善发病症状、延缓病程进展,因而对MCI和AD患者的早期诊断或预测非常具有现实意义。在传统的AD分类研究中,主要依靠先验知识来设计用于分类任务的代表性特征,这种手动选取特征的方式费时费力,有很强的主观性。因此,本文选用了可以自动学习的深度神经网络以提取结构磁共振图像(Structural Magnetic Resonance Image,sMRI)中的深层特征,并用于AD、MCI与NC的分类研究。本文具体工作如下:1.提出了基于迁移学习和深度残差网络的阿尔兹海默病分类算法。首先,根据CNN的参数共享性,引入迁移学习的思想,将在ImageNet中预训练好的深度残差网络模型迁移至sMRI数据集中进行微调,从而替代从头开始训练一个全新的模型;此外,还计算了所有sMRI切片的熵,...

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

图1.1基于神经影像学数据的AD分类框架

第1章绪论过对脑部扫描影像的分析进行AD检测，可以获得比。一般地，基于神经影像学数据的AD分类框架主要征选择、降维和基于特征的分类算法，如图1.1所示成部分，而其他组成部分可以根据研究需要自行选择较、可视化和分析这些数据的工作量巨大，很难人为将支持向量机（Sup....

图1.2自动编码机和堆叠自动编机的架构

第1章绪论从sMRI中识别出有代表性的50个解剖标志，并在这些标志周围提取多个图他们利用深度多任务多通道CNN为疾病分类，解决了将被试者分类为NC、stableMCI，sMCI）和进行型MCI（progressiveMCI，pMCI）的问题。Cheng一....

图1.3卷积神经网络中的三个关键机制（即局部感受野、权重共享和子采样）的图解说明

第1章绪论等人[39]同样的特征。SAE只能接受矢量形式的输入，然而，医学图像中相邻像素或体素之间判别AD的结构信息。因此，矢量化输入不可避免地会破坏图像中的结网络的输入可以是2D或3D图像，这样就能够更好地利用空间和配置信。与其他DNN不同的是，CN....

图1.43D卷积自动编码器的架构

池化层的各种参数不变，只对最后的卷积层和完全连softmax层组合。最后获得了不错的分类准确性，并调整网络的最后几层显著降低了计算成本和过度拟合知识从一个学习任务迁移到另一个新任务中。在神经习特征迁移到新任务中。Glozman和Liba等人[46]对在进行迁移学习，并对....

本文编号：3920890