基于磁共振图像和改进的UNet++模型区分阿尔茨海默症患者和健康人群

• 作者: 王远军 赵尚义
• 来源期刊: 波谱学杂志
• 学科: 工学
• 关键词: 磁共振成像(MRI) 深度学习 特征融合 阿尔茨海默症
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 321-331
• 页数: 11页
• 分类号: TP391|O482.53
• 字数: 5817字
• 语种: 中文
• DOI: 10.11938/cjmr20192769

摘要

阿尔茨海默症(Alzheimer's Disease,AD)是一种神经退行性疾病,高效准确的早期诊断对其治疗至关重要.本文提出了一种融合多语义级别的深度卷积神经网络结构,基于磁共振图像,用于区分AD患者与正常受试者的方法.首先,在传统UNet++网络的基础上改进了深度监督整合算法;然后,构建了一种新的特征融合结构,进一步细化了不同语义级别的特征;最后,基于不同组织区域(白质、灰质和脑脊液)的磁共振图像,使用本文所提出的方法区分AD患者和正常受试者,并探究了从不同组织获得的信息对分类准确率的影响.实验结果表明,使用本文提出的方法区分两类人群的最高准确率为98.74％,平均准确率为98.47％,高于目前文献报道的其他方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王远军	上海理工大学医学影像工程研究所	66	239	9.0	12.0
2	赵尚义	上海理工大学医学影像工程研究所	3	6	1.0	2.0