基于 3D Inception 的 CNN 融合 sMRI 与 MD-DTI 数据用于阿尔茨海默病诊断
计算机视觉与模式识别
2018-09-12 v1
摘要
在过去十年中，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一直是广泛研究的课题。一些近期研究在使用结构性和功能性磁共振成像（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 和 MCI 方面显示了有前景的结果。此外，在监督机器学习框架中融合成像模态已显示出有前景的研究方向。在本文中，我们首先回顾了自动分类方法的主要趋势，例如基于特征提取的方法以及应用于阿尔茨海默病诊断领域的医学图像分析中的深度学习方法。然后我们提出了我们自己的基于 3D Inception 的卷积神经网络（CNN）设计用于阿尔茨海默病诊断。该网络设计强调内部资源利用，并在海马体 ROI 上使用 sMRI 和 DTI 模态融合。与使用来自阿尔茨海默病神经成像倡议（ADNI）数据集（http://adni.loni.usc.edu）数据的常规基于 AlexNet 的网络相比，所提出的基于 3D Inception 的 CNN 表现出显著更好的性能。
引用
@article{arxiv.1809.03972,
title = {3D Inception-based CNN with sMRI and MD-DTI data fusion for Alzheimer's Disease diagnostics},
author = {Alexander Khvostikov and Karim Aderghal and Andrey Krylov and Gwenaelle Catheline and Jenny Benois-Pineau},
journal= {arXiv preprint arXiv:1809.03972},
year = {2018}
}
备注
arXiv admin note: substantial text overlap with arXiv:1801.05968