基于注意力机制多层特征的三维 CNN 用于脑影像的阿尔茨海默病诊断
图像与视频处理
2023-08-11 v1 计算机视觉与模式识别
摘要
结构 MRI 与 PET 成像在阿尔茨海默病（AD）诊断中发挥重要作用，分别显示脑形态变化与葡萄糖代谢变化。部分认知障碍患者的脑影像表现相对不明显，例如临床上仍难以通过 sMRI 实现准确诊断。随着深度学习兴起，卷积神经网络（CNN）已成为 AD 辅助诊断的重要方法，但部分 CNN 方法无法有效学习脑影像特征，使 AD 诊断仍具挑战。本工作中，我们提出一种基于 ResNet 的端到端三维 CNN 框架用于 AD 诊断，其整合注意力机制作用下获得的深层特征，以更好捕捉脑影像中的细微差异。注意力图显示我们的模型可聚焦于与疾病诊断相关的关键脑区。我们的方法在来自 ADNI 数据库的 792 名受试者的两种模态影像消融实验中得到验证，基于 sMRI 与 PET 分别取得 89.71% 与 91.18% 的 AD 诊断准确率，且优于部分 SOTA 方法。
引用
@article{arxiv.2308.05655,
title = {Attention-based 3D CNN with Multi-layer Features for Alzheimer's Disease Diagnosis using Brain Images},
author = {Yanteng Zhang and Qizhi Teng and Xiaohai He and Tong Niu and Lipei Zhang and Yan Liu and Chao Ren},
journal= {arXiv preprint arXiv:2308.05655},
year = {2023}
}
备注
4 pages, 4 figures