-
题名利用3D-RepVGG进行阿尔兹海默症诊断
被引量：1
- 1
-
-
作者
胡众义
张夏彬
-
机构
温州大学计算机与人工智能学院
温州市智能影像处理与分析重点实验室(温州大学)
-
出处
《计算机应用》
CSCD
北大核心
2023年第S01期26-32,共7页
-
基金
浙江省自然科学基金资助项目(LD21F020001)
国家自然科学基金重点支持项目(U1809209)
温州市科技计划重大科技创新攻关项目(ZY2019020)
-
文摘
阿尔兹海默症(AD)临床症状为失忆、失语与丧失行动能力等。AD暂无有效治疗方法,但早期干预已证明有效,因此,AD早期诊断至关重要。针对该问题,基于RepVGG网络架构中的结构重参数化技术,将训练阶段的多分支卷积网络等效转换为预测阶段的单分支卷积网络,获得多分支卷积网络性能高与单分支卷积网络速度快等优点;同时,利用3D卷积引入空间连续信息;最终,成功地将RepVGG网络架构与3D卷积融合,提出3D-RepVGG网络,以实现对AD、轻度认知障碍(MCI)和正常对照组(NC)的诊断。实验数据来自于公开数据库ADNI,原始的磁共振图像(MRI)使用SPM12进行预处理。预处理后数据输入3D-RepVGG进行AD/NC、MCI/NC、AD/MCI、AD/MCI/NC四种分类任务,分别获得了90.38%、85.90%、70.51%、62.50%的准确率。实验结果表明,3D-RepVGG在AD早期诊断任务上能获得较好的诊断结果。
-
关键词
阿尔兹海默症
计算机辅助诊断
三维卷积神经网络
多分支卷积神经网络
图像分类
-
Keywords
Alzheimer Disease(AD)
computer aided diagnosis
3D Convolution Neural Network(CNN)
multi-branch CNN
image classification
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
