基于结构MRI图像使用多流卷积神经网络分类阿尔茨海默病中的进展性MCI
图像与视频处理
2023-08-01 v1 计算机视觉与模式识别
机器学习
摘要
阿尔茨海默病及其前驱期(亦称轻度认知障碍,MCI)的早期诊断至关重要,因为部分进展性MCI患者会发展为该病。我们提出一种以基于块(patch)的成像数据为输入的多流深度卷积神经网络,用于分类稳定性MCI与进展性MCI。首先,我们使用多元统计检验比较阿尔茨海默病患者与认知正常受试者的MRI图像,以识别显著解剖标志。随后这些标志被用于提取图像块,并输入所提多流卷积神经网络以分类MRI图像。接下来,我们在另一场景中利用与进展性MCI解剖相似但属认知正常的阿尔茨海默病图像样本训练该架构,以弥补进展性MCI训练数据的不足。最后,我们将训练得到的模型权重迁移至所提架构,并使用进展性MCI与稳定性MCI数据对模型进行微调。在ADNI-1数据集上的实验结果表明,我们的方法在MCI分类上优于现有方法,F1-score达85.96%。
引用
@article{arxiv.2203.01944,
title = {A multi-stream convolutional neural network for classification of progressive MCI in Alzheimer's disease using structural MRI images},
author = {Mona Ashtari-Majlan and Abbas Seifi and Mohammad Mahdi Dehshibi},
journal= {arXiv preprint arXiv:2203.01944},
year = {2023}
}