利用卷积神经网络对杜兴氏肌营养不良症进行分类识别

• 作者: 刘晓青 沈瑛 程爱兰 章鸣嬛 陈瑛
• 来源期刊: 计算机与现代化
• 学科: 生物学
• 关键词: 杜兴氏肌营养不良症 磁共振图像 计算机辅助检测 人工智能 卷积神经网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 43-48,87
• 页数: 7页
• 分类号: Q334
• 字数: 4987字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.02.008

摘要

杜兴氏肌营养不良(DMD)是一种致死性骨骼肌遗传病.传统的诊断方法中包含创伤性检查,会令患者产生极大的痛苦.本文基于受试者的磁共振图像(MRI),探索DMD的无创检测方法.共获取试验图像485幅,分成患者组和健康对照组,每组均包括T1和T2这2类加权图像.试验设计一个10隐层卷积神经网络(CNN),利用该网络直接读取T1和T2并分类识别.结果显示:1)随着网络参数的优化和迭代次数的增加,图像识别准确度分别达到99.2％和98.9％,结果收敛且稳定;2)2类加权图像T1和T2均能很好区分患者组与健康组;3)与KNN、LR、DT及SVM等算法相比,CNN算法的分类准确度更高.CNN尤其提升了对于T2图像的识别准确度,大大发掘了T2图像的利用价值.因此,利用CNN对DMD图像进行分类识别,因其准确度高、无损图像信息等特点,有望为临床提供客观有效的辅助诊断手段.这是人工智能在DMD无创检测领域中有效的尝试探索.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈瑛		21	84	5.0	8.0
2	刘晓青		19	68	4.0	7.0
3	章鸣嬛	上海杉达学院大数据分析与处理研究中心	17	43	3.0	6.0
4	陈瑛	上海杉达学院大数据分析与处理研究中心	20	47	3.0	6.0
5	程爱兰		6	11	2.0	3.0