基于多模态表示学习的阿尔兹海默症诊断算法

• 作者: 樊连玺 刘彦北 王雯 耿磊 吴骏 张芳 肖志涛
• 来源期刊: 计算机科学
• 关键词: 阿尔兹海默症 疾病诊断 多模态融合 表示学习 自编码器网络
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 107-113
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11896/jsjkx.200900178

摘要

阿尔茨海默症是一种典型的涉及多种致病因素的神经系统退行性疾病.然而,阿尔茨海默症的病因尚不明确,病程不可逆转,且无治愈方法,因此其早期诊断和治疗一直是人们关注的重点.受试者的神经影像数据对于该疾病的诊断具有重要的辅助作用,而结合多个模态的数据可进一步提高诊断效果.目前,联合该疾病的多模态数据进行辅助诊断逐渐成为一个新兴的研究领域.在此提出了一种基于自编码器的多模态表示学习方法,用于阿尔茨海默症的诊断.首先将多个模态的数据进行初步融合,得到初级的共同表示;然后将其送入自编码器网络,学习隐空间中的共同表示;最后对隐空间中的共同表示进行分类,得到疾病的诊断结果.在国际公开ADNI数据集上,所提算法对患病和健康受试者的诊断准确率达到88.9％,与同类算法相比取得了最好的诊断效果.实验结果验证了所提算法对阿尔茨海默症诊断的有效性.