-
题名基于特征增强金字塔网络的阿尔茨海默症早期诊断研究
被引量：3
- 1
-
-
作者
石磊
彭少康
张亚萌
赵国桦
高宇飞
-
机构
郑州大学网络空间安全学院
嵩山实验室
河南省人民医院病理科
郑州大学第一附属医院磁共振科
-
出处
《数据采集与处理》
CSCD
北大核心
2022年第4期727-735,共9页
-
基金
国家自然科学基金青年科学基金(62006210、62001284)
2020年度河南省重大公益专项(201300210500)
+1 种基金
河南省高等学校重点科研项目(21B520018)
郑州大学高层次人才科研启动基金(32340306)。
-
文摘
阿尔茨海默症(Alzheimer’s disease,AD)作为一种不可逆转的神经退行性疾病,能在其发病初期进行干预治疗对病情的控制和改善具有重要意义。近年来,研究者广泛地使用深度学习方法对AD的核磁共振成像(Magnetic resonance imaging,MRI)进行分析并做出早期诊断。但AD早期的脑部结构变化与正常人差别较小,目前单一尺度的分析方法难以有效捕捉到这些细小差别的特征。针对以上问题,本文提出特征增强金字塔网络(Feature enhanced pyramid network,FEPN)进行AD的MRI早期诊断,通过设计的浅层特征重提取模型利用上下文信息补充高层特征,并计算融合权重指导高低层特征图的融合,增强了上下文信息交互和多尺度特征融合的匹配度。对比实验采用Kaggle公开的Alzheimer数据集对该方法进行验证,实验结果表明,相比于其他同类方法,FEPN有效提升了4种AD脑状态(非痴呆、非常轻度痴呆、轻度痴呆、中度痴呆)MRI的分类精度。
-
关键词
阿尔茨海默症
核磁共振成像
深度学习
浅层特征重提取
融合权重
-
Keywords
Alzheimer’s disease(AD)
magnetic resonance imaging(MRI)
deep learning
shallow feature re-extraction
fusion weight
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
