结合DCGAN与LSTM的阿兹海默症分类算法

• 作者: 何啸峰 林颖 陈俊熹 陈灵娜
• 来源期刊: 计算机应用研究
• 关键词: 阿兹海默症 深度卷积生成对抗网络 长短时记忆 无监督
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1574-1577
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.10.0853

摘要

针对传统的阿兹海默症(AD)分类3D模型参数过多以及2D模型缺乏连续性特征的问题,提出了一种结合2 D卷积神经网络与长短时记忆网络的脑部核磁共振成像(MRI)图像分类算法.利用深度卷积生成对抗网络(DCGAN),卷积层能够在无标签的情况下自动提取到图像特征.首先以无监督的方式训练卷积神经网络;然后将MRI图像序列转换为特征序列,再输入到长短时记忆网络进行训练;最后结合特征序列与LSTM的隐藏状态进行分类.实验结果显示,相比3D模型,该算法有着更少的参数,对于NC与AD的分类达到了93.93％的准确率,对于NC与MCI的分类达到了86.27％的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何啸峰	南华大学计算机学院	35	83	5.0	7.0
3	陈灵娜	南华大学计算机学院	16	75	5.0	7.0
4	陈俊熹		7	25	3.0	4.0
7	林颖	南华大学计算机学院	5	36	4.0	5.0