阿爾茲海默病(Alzheimer Disease,AD)是最常見的一種老年癡呆癥,在老年人中具有極高的發(fā)病率和患病率。輕度認(rèn)知障礙(Mild Cognitive Impairment,MCI)是處于正常老年人(Normal Control,NC)和癡呆的過渡階段。有研究發(fā)現(xiàn)對(duì)MCI患者或者早期AD患者進(jìn)行藥物干預(yù),可以改善發(fā)病癥狀、延緩病程進(jìn)展,因而對(duì)MCI和AD患者的早期診斷或預(yù)測非常具有現(xiàn)實(shí)意義。在傳統(tǒng)的AD分類研究中,主要依靠先驗(yàn)知識(shí)來設(shè)計(jì)用于分類任務(wù)的代表性特征,這種手動(dòng)選取特征的方式費(fèi)時(shí)費(fèi)力,有很強(qiáng)的主觀性。因此,本文選用了可以自動(dòng)學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)以提取結(jié)構(gòu)磁共振圖像(Structural Magnetic Resonance Image,sMRI)中的深層特征,并用于AD、MCI與NC的分類研究。本文具體工作如下:1.提出了基于遷移學(xué)習(xí)和深度殘差網(wǎng)絡(luò)的阿爾茲海默病分類算法。首先,根據(jù)CNN的參數(shù)共享性,引入遷移學(xué)習(xí)的思想,將在ImageNet中預(yù)訓(xùn)練好的深度殘差網(wǎng)絡(luò)模型遷移至sMRI數(shù)據(jù)集中進(jìn)行微調(diào),從而替代從頭開始訓(xùn)練一個(gè)全新的模型;此外,還計(jì)算了所有sMRI切片的熵,...

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1基于神經(jīng)影像學(xué)數(shù)據(jù)的AD分類框架

第1章緒論過對(duì)腦部掃描影像的分析進(jìn)行AD檢測，可以獲得比。一般地，基于神經(jīng)影像學(xué)數(shù)據(jù)的AD分類框架主要征選擇、降維和基于特征的分類算法，如圖1.1所示成部分，而其他組成部分可以根據(jù)研究需要自行選擇較、可視化和分析這些數(shù)據(jù)的工作量巨大，很難人為將支持向量機(jī)（Sup....

圖1.2自動(dòng)編碼機(jī)和堆疊自動(dòng)編機(jī)的架構(gòu)

第1章緒論從sMRI中識(shí)別出有代表性的50個(gè)解剖標(biāo)志，并在這些標(biāo)志周圍提取多個(gè)圖他們利用深度多任務(wù)多通道CNN為疾病分類，解決了將被試者分類為NC、stableMCI，sMCI）和進(jìn)行型MCI（progressiveMCI，pMCI）的問題。Cheng一....

圖1.3卷積神經(jīng)網(wǎng)絡(luò)中的三個(gè)關(guān)鍵機(jī)制（即局部感受野、權(quán)重共享和子采樣）的圖解說明

第1章緒論等人[39]同樣的特征。SAE只能接受矢量形式的輸入，然而，醫(yī)學(xué)圖像中相鄰像素或體素之間判別AD的結(jié)構(gòu)信息。因此，矢量化輸入不可避免地會(huì)破壞圖像中的結(jié)網(wǎng)絡(luò)的輸入可以是2D或3D圖像，這樣就能夠更好地利用空間和配置信。與其他DNN不同的是，CN....

圖1.43D卷積自動(dòng)編碼器的架構(gòu)

池化層的各種參數(shù)不變，只對(duì)最后的卷積層和完全連softmax層組合。最后獲得了不錯(cuò)的分類準(zhǔn)確性，并調(diào)整網(wǎng)絡(luò)的最后幾層顯著降低了計(jì)算成本和過度擬合知識(shí)從一個(gè)學(xué)習(xí)任務(wù)遷移到另一個(gè)新任務(wù)中。在神經(jīng)習(xí)特征遷移到新任務(wù)中。Glozman和Liba等人[46]對(duì)在進(jìn)行遷移學(xué)習(xí)，并對(duì)....

本文編號(hào)：3920890