基于多尺度残差神经网络的阿尔茨海默病诊断分类

• 作者: 刘振丙 方旭升 杨辉华 蓝如师
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 多尺度残差神经网络 核磁共振图像 阿尔茨海默病 灰度标准化
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 1-7,18
• 页数: 8页
• 分类号: TP399
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2018.205

摘要

提出多尺度残差神经网络(multi-scale resnet, MSResnet).采用不同大小的卷积核对图像进行多尺度信息采集,并对神经网络进行残差学习,避免网络退化.对核磁共振图像( magnetic resonance imaging, MRI)进行标准化处理,利用MSResnet模型在阿尔茨海默症(Alzheimer’s disease, AD)和正常受试者(normal control, NC)获得的分类准确率为99. 41%,在AD和轻度认知障碍(mild cognitive impairment, MCI)获得分类准确率为97. 35%.与已有的算法相比,本研究提出的算法的分类准确率得到了明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨辉华	桂林电子科技大学电子工程与自动化学院	94	618	13.0	19.0
3	刘振丙	桂林电子科技大学电子工程与自动化学院	40	122	7.0	9.0
6	方旭升	桂林电子科技大学电子工程与自动化学院	2	2	1.0	1.0
7	蓝如师	桂林电子科技大学电子工程与自动化学院	6	14	2.0	3.0