阿爾茲海默病（Alzheimer Disease,AD）是常見的老年性疾病之一。隨著全球人口老齡化問題日益嚴(yán)重,AD的發(fā)病率也不斷上升。輕度認(rèn)知障礙（Mild cognitive Impairment,MCI）是AD的前期表現(xiàn),可劃分為穩(wěn)定型輕度認(rèn)知障礙（sMCI）和轉(zhuǎn)變型輕度認(rèn)知障礙（cMCI）。然而,由于輕度癡呆障礙的癥狀并不明顯,其往往被誤認(rèn)為成正常衰老的表現(xiàn),從而使患者錯過了最佳治療時期。因此,對MCI患者以及早期的AD患者的診斷和提前干預(yù),對于延緩AD的發(fā)展速度具有重要的意義。目前,醫(yī)學(xué)影像技術(shù)已成為人類大腦領(lǐng)域研究的主流工具,磁共振成像（Magnetic Resonance Imaging,MRI）可以清晰地反映出大腦內(nèi)部結(jié)構(gòu),對AD早期診斷和預(yù)測具有重要作用。本文利用阿爾茲海默病以及輕度癡呆障礙患者的MRI影像數(shù)據(jù)集,通過深度學(xué)習(xí)訓(xùn)練出用于AD識別診斷的模型。依據(jù)數(shù)據(jù)的不同維度,本文提出了兩種不同的基于深度神經(jīng)網(wǎng)絡(luò)模型的AD識別方法,分別是基于3DMRI影像數(shù)據(jù)和基于2DMRI切片數(shù)據(jù)的深度神經(jīng)網(wǎng)絡(luò)方法。在基于3DMRI數(shù)據(jù)的方法中,本文首先對數(shù)據(jù)集做了進(jìn)一步的預(yù)處理,包... 

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 基于傳統(tǒng)方法的阿爾茲海默病分類研究
        1.2.2 基于深度學(xué)習(xí)方法的阿爾茲海默病分類研究
    1.3 本文創(chuàng)新點(diǎn)
    1.4 本文完成的主要工作與安排
2 阿爾茲海默病診斷與深度神經(jīng)網(wǎng)絡(luò)理論知識
    2.1 阿爾茲海默病臨床診斷方法
        2.1.1 認(rèn)知測試量表
        2.1.2 醫(yī)學(xué)影像檢查
    2.2 阿爾茲海默病數(shù)據(jù)影像
        2.2.1 數(shù)據(jù)集介紹
        2.2.2 阿爾茲海默病樣本分類
        2.2.3 數(shù)據(jù)預(yù)處理
        2.2.4 評價指標(biāo)
    2.3 經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.4 深度學(xué)習(xí)中的注意力機(jī)制
        2.4.1 空間注意力機(jī)制
        2.4.2 通道注意力機(jī)制
3 基于3D卷積和注意力機(jī)制的阿爾茲海默病MRI分類方法
    3.1 引言
    3.2 阿爾茲海默病MRI數(shù)據(jù)集預(yù)處理及數(shù)據(jù)增廣
        3.2.1 3D圖像預(yù)處理
        3.2.2 3D數(shù)據(jù)增廣
    3.3 3D卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)設(shè)計
        3.3.1 基于3D卷積的阿爾茲海默病影像數(shù)據(jù)分類基本思想
        3.3.2 基于3D卷積的骨干網(wǎng)絡(luò)基本結(jié)構(gòu)搭建
        3.3.3 基于3D卷積的殘差連接網(wǎng)絡(luò)結(jié)構(gòu)搭建
        3.3.4 基于3D卷積的密集連接網(wǎng)絡(luò)結(jié)構(gòu)搭建
    3.4 密集連接注意力機(jī)制
        3.4.1 密集連接注意力模塊設(shè)計
        3.4.2 密集連接注意力模塊在3D卷積神經(jīng)網(wǎng)絡(luò)中的嵌入
    3.5 實驗細(xì)節(jié)與結(jié)果分析
        3.5.1 實驗環(huán)境
        3.5.2 數(shù)據(jù)集劃分
        3.5.3 訓(xùn)練模型
        3.5.4 實驗結(jié)果與分析
    3.6 本章小結(jié)
4 基于卷積核選擇注意力機(jī)制的阿爾茲海默病MRI分類方法
    4.1 引言
    4.2 阿爾茲海默病MRI數(shù)據(jù)集預(yù)處理及數(shù)據(jù)增廣
    4.3 復(fù)合卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        4.3.1 基于雙骨干復(fù)合CNN的阿爾茲海默病影像數(shù)據(jù)分類基本思想
        4.3.2 雙骨干復(fù)合卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搭建
    4.4 融合通道注意力機(jī)制的復(fù)合網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        4.4.1 通道注意力模塊設(shè)計
        4.4.2 通道注意力模塊在雙骨干復(fù)合網(wǎng)絡(luò)中的嵌入
    4.5 融合卷積核選擇注意力機(jī)制的復(fù)合網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        4.5.1 卷積核選擇注意力機(jī)制基本思想
        4.5.2 卷積核選擇注意力模塊設(shè)計
        4.5.3 卷積核選擇注意力模塊在雙骨干復(fù)合網(wǎng)絡(luò)中的嵌入
    4.6 實驗細(xì)節(jié)與結(jié)果分析
        4.6.1 數(shù)據(jù)集劃分
        4.6.2 實驗結(jié)果與分析
    4.7 本章小結(jié)
5 基于CNN和 RNN的阿爾茲海默病MRI分類方法
    5.1 引言
    5.2 基于CNN和 RNN的阿爾茲海默病MRI分類基本思想
        5.2.1 基于CNN和 RNN的阿爾茲海默病影像數(shù)據(jù)分類基本思想
        5.2.2 自注意力機(jī)制
    5.3 實驗細(xì)節(jié)與分析
        5.3.1 數(shù)據(jù)樣本
        5.3.2 預(yù)測模型
        5.3.3 綜合實驗分析比較
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]計算精神醫(yī)學(xué):機(jī)器學(xué)習(xí)在精神科的應(yīng)用淺析[J]. 吳曉慧,牛志昂,方新宇,方貽儒.  中華精神科雜志. 2019 (03)
[2]機(jī)器學(xué)習(xí)算法在醫(yī)療領(lǐng)域中的應(yīng)用[J]. 蘭欣,衛(wèi)榮,蔡宏偉,郭佑民,侯夢薇,邢磊,那天,陸亮.  醫(yī)療衛(wèi)生裝備. 2019(03)
[3]醫(yī)療人工智能的發(fā)展與挑戰(zhàn)[J]. 孟曉宇,王忠民,景慎旗,朱甬倩,王劍,戴作雷,單紅偉,唐明明,劉云.  中國數(shù)字醫(yī)學(xué). 2019(03)
[4]磁共振成像技術(shù)在阿爾茨海默病診斷中的研究進(jìn)展[J]. 王瀲漪.  科學(xué)咨詢（科技·管理）. 2018(02)
[5]基于深度學(xué)習(xí)的醫(yī)學(xué)影像診斷綜述[J]. 張巧麗,趙地,遲學(xué)斌.  計算機(jī)科學(xué). 2017(S2)
[6]2015～2100年中國人口與老齡化變動趨勢[J]. 翟振武,陳佳鞠,李龍.  人口研究. 2017(04)
[7]淺談機(jī)器學(xué)習(xí)在醫(yī)學(xué)大數(shù)據(jù)中的應(yīng)用[J]. 司家瑞.  科技展望. 2016(23)
[8]阿爾茲海默病發(fā)病原因及機(jī)制的研究進(jìn)展[J]. 宋昕,洪羽蓉,胡秋瑩.  臨床和實驗醫(yī)學(xué)雜志. 2015(10)
[9]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報. 2015(01)
[10]人工智能在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J]. 楊琴,陳家榮.  科技風(fēng). 2012(12)

博士論文
[1]神經(jīng)影像學(xué)對老年性認(rèn)知障礙的診斷價值[D]. 馮妍.吉林大學(xué) 2012



本文編號：3727965