深度学习在轻度认知障碍转化与分类中的应用分析

• 作者: 吴水才 张柏雯 林岚
• 来源期刊: 医疗卫生装备
• 学科: 医学
• 关键词: 深度学习 轻度认知障碍 阿尔茨海默病 结构性磁共振成像 ADNI数据库
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 专题研究
• 页码范围: 105-111
• 页数: 7页
• 分类号: R318|R749.16|R445.2
• 字数: 7330字
• 语种: 中文
• DOI: 10.7687/j.issn1003-8868.2017.09.105

摘要

介绍了预测轻度认知障碍(mild cognitive impairment,MCI)患者罹患阿尔茨海默症(Alzheimer's disease,AD)的风险对于延缓AD发病的重要意义,简述了广泛用于AD相关疾病研究的ADNI(Alzheimer's disease neuroimaging initiative)数据库,回顾了传统机器学习算法在MCI分类中的运用.用深度学习算法可通过组合低层特征形成更加抽象的高层特征,为解决MCI的转化预测与分类识别提供了新的思路.从有监督和无监督2个方面重点阐述了目前深度学习的方法运用于以结构性磁共振成像(structural magnetic resonance imaging,sMRI)为主的神经影像数据在MCI 的分类与转换预测的研究现状,最后分析与讨论了深度学习算法在该领域应用存在的问题,并对其前景进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴水才	北京工业大学生命科学与生物工程学院	217	1199	17.0	26.0
2	林岚	北京工业大学生命科学与生物工程学院	47	129	6.0	9.0
3	张柏雯	北京工业大学生命科学与生物工程学院	18	89	5.0	8.0