基于 3D CNN 利用 sMRI 与 MD-DTI 图像进行阿尔茨海默病研究的分类

Alexander Khvostikov; Karim Aderghal; Jenny Benois-Pineau; Andrey Krylov; Gwenaelle Catheline

基于 3D CNN 利用 sMRI 与 MD-DTI 图像进行阿尔茨海默病研究的分类

计算机视觉与模式识别 2018-01-19 v1

作者: Alexander Khvostikov , Karim Aderghal , Jenny Benois-Pineau , Andrey Krylov , Gwenaelle Catheline

摘要

阿尔茨海默病(AD)及其前驱形式轻度认知障碍(MCI)的计算机辅助早期诊断近年来受到广泛研究。一些近期研究在使用结构性与功能性磁共振成像(sMRI、fMRI)、正电子发射断层扫描(PET)和扩散张量成像(DTI)模态确定 AD 与 MCI 方面显示出有前景的结果。此外,在监督机器学习框架中融合成像模态已展现出有前景的研究方向。本文首先综述自动分类方法的主要趋势,例如应用于阿尔茨海默病诊断领域的医学图像分析中的基于特征提取的方法以及深度学习方法。随后我们提出基于卷积神经网络并利用来自阿尔茨海默病神经影像学倡议(ADNI)数据库(http://adni.loni.usc.edu)的海马 ROI 上 sMRI 与 DTI 模态融合的阿尔茨海默病诊断算法。与单模态方法的比较显示出有前景的结果。我们还提出了用于平衡不同大小类别的自身数据增强方法,并分析了 ROI 尺寸对分类结果的影响。

关键词

阿尔茨海默病 3D CNN sMRI DTI 模态融合海马 ROI 数据增强

引用

@article{arxiv.1801.05968,
  title  = {3D CNN-based classification using sMRI and MD-DTI images for Alzheimer disease studies},
  author = {Alexander Khvostikov and Karim Aderghal and Jenny Benois-Pineau and Andrey Krylov and Gwenaelle Catheline},
  journal= {arXiv preprint arXiv:1801.05968},
  year   = {2018}
}

基于 3D CNN 利用 sMRI 与 MD-DTI 图像进行阿尔茨海默病研究的分类

摘要

关键词

引用

相关论文