目的針對(duì)已有方法未利用大腦拓?fù)湫畔⒌膯?wèn)題,提出基于耦合的卷積-圖卷積神經(jīng)網(wǎng)絡(luò)的疾病診斷模型,以實(shí)現(xiàn)對(duì)阿爾茨海默病及其前驅(qū)癥狀的精確診斷,為臨床提供可靠的輔助診斷信息。方法根據(jù)ADNI數(shù)據(jù)庫(kù)提供的信息,將MMSE評(píng)分在20～26分、同時(shí)CDR評(píng)分為0.5或1的被試的疾病標(biāo)簽標(biāo)記為AD組;將MMSE評(píng)分在24～30分且CDR評(píng)分為0、無(wú)抑郁癥狀、無(wú)認(rèn)知障礙、無(wú)焦慮癥狀的被試疾病標(biāo)簽標(biāo)記為NC組。本文提出一種耦合的卷積-圖卷積神經(jīng)網(wǎng)絡(luò)（CCGCN）模型,以組間比較獲取的疾病相關(guān)區(qū)域作為輸入,利用卷積神經(jīng)網(wǎng)絡(luò),從大腦磁共振圖像的不同區(qū)域提取疾病相關(guān)的特征,再使用圖卷積網(wǎng)絡(luò),結(jié)合提取到的特征,對(duì)區(qū)域間拓?fù)浣Y(jié)構(gòu)進(jìn)行建模,并在圖卷積網(wǎng)絡(luò)中嵌入圖池化操作,從而自適應(yīng)地學(xué)習(xí)大腦拓?fù)浣Y(jié)構(gòu)與疾病診斷任務(wù)之間的內(nèi)在聯(lián)系。利用ADNI數(shù)據(jù)集,獲得CCGCN模型對(duì)阿爾茨海默病及其前驅(qū)癥狀的疾病診斷準(zhǔn)確率、靈敏度和特異度,并進(jìn)行模型結(jié)構(gòu)的消融實(shí)驗(yàn)。結(jié)果該模型在阿爾茨海默病的診斷任務(wù)上取得了92.5%的準(zhǔn)確率、88.1%的靈敏度和96.0%的特異度,診斷精度優(yōu)于目前最先進(jìn)的方法;同時(shí)在區(qū)分進(jìn)行型輕度認(rèn)知障礙患者和穩(wěn)定... 

【文章來(lái)源】：南方醫(yī)科大學(xué)學(xué)報(bào). 2020,40(04)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 材料和方法
    1.1 數(shù)據(jù)來(lái)源及預(yù)處理
    1.2 關(guān)鍵區(qū)域獲取
    1.3 模型結(jié)構(gòu)
    1.4 訓(xùn)練方法
    1.5 實(shí)驗(yàn)
2 結(jié)果
    2.1 對(duì)比實(shí)驗(yàn)
    2.2 消融實(shí)驗(yàn)
3 討論



本文編號(hào)：3186291