目的針對已有方法未利用大腦拓撲信息的問題,提出基于耦合的卷積-圖卷積神經網絡的疾病診斷模型,以實現對阿爾茨海默病及其前驅癥狀的精確診斷,為臨床提供可靠的輔助診斷信息。方法根據ADNI數據庫提供的信息,將MMSE評分在20～26分、同時CDR評分為0.5或1的被試的疾病標簽標記為AD組;將MMSE評分在24～30分且CDR評分為0、無抑郁癥狀、無認知障礙、無焦慮癥狀的被試疾病標簽標記為NC組。本文提出一種耦合的卷積-圖卷積神經網絡（CCGCN）模型,以組間比較獲取的疾病相關區(qū)域作為輸入,利用卷積神經網絡,從大腦磁共振圖像的不同區(qū)域提取疾病相關的特征,再使用圖卷積網絡,結合提取到的特征,對區(qū)域間拓撲結構進行建模,并在圖卷積網絡中嵌入圖池化操作,從而自適應地學習大腦拓撲結構與疾病診斷任務之間的內在聯系。利用ADNI數據集,獲得CCGCN模型對阿爾茨海默病及其前驅癥狀的疾病診斷準確率、靈敏度和特異度,并進行模型結構的消融實驗。結果該模型在阿爾茨海默病的診斷任務上取得了92.5%的準確率、88.1%的靈敏度和96.0%的特異度,診斷精度優(yōu)于目前最先進的方法;同時在區(qū)分進行型輕度認知障礙患者和穩(wěn)定... 

【文章來源】：南方醫(yī)科大學學報. 2020,40(04)北大核心CSCD

【文章頁數】：7 頁

【文章目錄】：
1 材料和方法
    1.1 數據來源及預處理
    1.2 關鍵區(qū)域獲取
    1.3 模型結構
    1.4 訓練方法
    1.5 實驗
2 結果
    2.1 對比實驗
    2.2 消融實驗
3 討論



本文編號：3186291