融合图像和指标的阿尔茨海默病多分类诊断模型

• 作者: 潘乔 鉏家欢
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 阿尔茨海默病 卷积神经网络 典型相关分析 核磁共振图像 生物标志物
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 6-12
• 页数: 7页
• 分类号: TP391
• 字数: 6249字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2019.04.003

摘要

随着人工智能的发展,计算机辅助诊断在阿尔茨海默病诊断中扮演着越来越重要的角色.本文提出了一种融合图像和指标的新型多分类诊断模型,充分挖掘TOP-MRI图像和临床指标特征用于阿尔茨海默病的多分类诊断.首先,构建由3个VGGNet-16卷积神经网络和1个单隐层网络组成的TOP-CNN-NN模型提取大脑TOP-MRI图像特征向量,利用CfsSub?setEval评估器来筛选临床指标组成指标特征向量;然后,采用典型相关分析(CCA)方法将图像特征向量和指标特征向量进行线性融合;最后,将融合特征向量输入多分类分类器来区分阿尔茨海默病的3个阶段,包括正常(CN)、轻度认知障碍(MCI)和阿尔茨海默病(AD).通过ADNI公开数据集证明,本文提出方法在阿尔茨海默病多分类诊断上的正确率可达到86.7％,有较好的性能表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘乔	东华大学计算机科学与技术学院	20	65	5.0	6.0
2	鉏家欢	东华大学计算机科学与技术学院	1	2	1.0	1.0