基于深度学习的帕金森病症早期诊断

• 作者: 张巧丽 赵地 迟学斌
• 来源期刊: 计算机系统应用
• 关键词: 帕金森病症 多系统萎缩症 深度学习 核磁共振图像 神经网络
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 专论·综述
• 页码范围: 1-9
• 页数: 9页
• 字数: 3784字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006538

摘要

在世界上, 约有七百万到一千万老年人正在承受着帕金森(Parkinson’s Disease, PD)疾病带来的困扰. 帕金森疾病是一种常见的神经系统变性疾病, 它的临床特征为震颤、强直、运动迟缓以及自主能力的下降. 其临床表现和多系统萎缩(Multiple System Atrophy, MSA)病症极为相似. 研究表明, 帕金森病症患者在确诊时, 往往已经到了无法挽回的境地, 所以对于帕金森病症能够区别于MSA病症并且得到早期诊断, 人们在不断探索新的方法. 随着大数据时代的到来, 深度学习在图像识别和分类方面取得了重大性突破. 所以, 本研究提出使用深度学习方法实现对帕金森疾病、多系统萎缩症和健康人群的诊断. 本数据来源北京301医院. 原始核磁共振图像(Magnetic Resonance Image, MRI)的处理得到北京301医院医生的指导. 本实验重点在于改进现有神经网络, 使其在医学图像识别和诊断中获得良好的效果. 本实验依据帕金森病症的病理特点提出了改进算法, 通过对比模型损失、准确率等指标获得了较好的实验结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	迟学斌	中国科学院计算机网络信息中心	101	634	14.0	21.0
5	张巧丽	中国科学院计算机网络信息中心	4	66	3.0	4.0
9	赵地	中国科学院计算机网络信息中心	15	121	4.0	11.0