基于栈式深度多项式网络集成学习框架的帕金森病计算机辅助诊断

• 作者: 彭博 戴亚康 施俊 陈璐
• 来源期刊: 生物医学工程学杂志
• 关键词: 帕金森病 磁共振成像 栈式深度多项式网络 集成学习
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 新技术与新方法
• 页码范围: 928-934,942
• 页数: 8页
• 语种: 中文
• DOI: 10.7507/1001-5515.201709030

摘要

特征表达是基于磁共振成像(MRI)的帕金森病(PD)计算机辅助诊断系统诊断准确性的重要决定因素.深度多项式网络(DPN)是一种新的有监督深度学习算法,对于小数据集具有良好的特征表达能力.本文提出一种面向PD计算机辅助诊断的栈式DPN(SDPN)集成学习框架,以有效提高基于小数据的PD辅助诊断准确性.本框架对所提取的MRI特征的每一个特征子集分别通过SDPN得到新的特征表达,然后采用支持向量机(SVM)对每个子集进行分类,再对所有分类器进行集成学习,得到最终的PD诊断结果.通过对公开的帕金森病数据库PPMI进行实验,基于脑网络特征的分类精度、敏感度和特异性分别为90.15％、85.48％和93.27％;而基于多视图脑区特征的分类精度、敏感度和特异性分别为87.18％、86.90％和87.27％.与在PPMI数据库中的MRI数据集进行实验的其他算法研究相比,本文所提出的算法获得了更好的分类结果.本文研究表明了所提出的SDPN集成学习框架的有效性,具有应用于PD计算机辅助诊断的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭博	中国科学院苏州生物医学工程技术研究所	7	13	2.0	3.0
2	施俊	中国科学院苏州生物医学工程技术研究所	12	86	6.0	9.0
3	陈璐	中国科学院苏州生物医学工程技术研究所	8	30	4.0	5.0
4	戴亚康	中国科学院苏州生物医学工程技术研究所	17	66	4.0	7.0