用于阿尔茨海默病分类的可复现三维卷积神经网络与双注意力模块(3D-DAM)
图像与视频处理
2024-07-03 v3 计算机视觉与模式识别
摘要
阿尔茨海默病是最常见的神经退行性疾病之一，其特征是淀粉样β斑块与tau缠结的累积。近年来，深度学习方法在阿尔茨海默病诊断中展现出潜力。在本研究中，我们提出一种可复现的模型，利用带双注意力模块的三维卷积神经网络进行阿尔茨海默病分类。我们在ADNI数据库上训练该模型，并在两个独立数据集(AIBL与OASIS1)上验证方法的泛化性。我们的方法取得了最先进的分类性能：在ADNI数据集上，MCI进展分类准确率为91.94%，阿尔茨海默病分类准确率为96.30%。此外，该模型表现出良好的泛化性，在AIBL数据集上准确率达86.37%，在OASIS1数据集上达83.42%。这些结果表明，与领域内近期研究相比，我们所提方法具有竞争力的性能与泛化能力。
引用
@article{arxiv.2310.12574,
title = {A reproducible 3D convolutional neural network with dual attention module (3D-DAM) for Alzheimer's disease classification},
author = {Gia Minh Hoang and Youngjoo Lee and Jae Gwan Kim},
journal= {arXiv preprint arXiv:2310.12574},
year = {2024}
}