利用脑 MRI 数据与深度卷积神经网络自动分类阿尔茨海默病
图像与视频处理
2022-04-04 v1 计算机视觉与模式识别
医学物理
摘要
阿尔茨海默病（AD）是世界上当今面临的最常见公共卫生问题之一。该疾病在老年人中患病率很高，伴随记忆丧失和认知衰退。AD 检测是一项具有挑战性的任务，许多作者已开发了众多利用神经影像和其他临床数据的计算机化自动诊断系统。MRI 扫描提供高对比度可见特征，使这些扫描成为最广泛使用的脑成像技术。近年来，深度学习在医学图像分析中取得了领先的成功。但将深度学习技术应用于脑 MRI 分类的研究相对较少。本文探索了在脑 MRI 图像和分割图像上评估的几种深度学习架构的构建。分割图像背后的思想是研究图像分割步骤对深度学习分类的影响。图像处理提出了一个由增强 MRI 扫描的预处理和由分割脑组织的分割方法组成的后处理构成的流程。结果表明，在 AD 与 CN（认知正常）的二分类中，处理后的图像在四种不同架构下均取得了更好的准确率。ResNet 架构在其他架构中预测准确率最高（原始脑图像为 90.83%，处理后图像为 93.50%）。
引用
@article{arxiv.2204.00068,
title = {Automatic Classification of Alzheimer's Disease using brain MRI data and deep Convolutional Neural Networks},
author = {Zahraa Sh. Aaraji and Hawraa H. Abbas},
journal= {arXiv preprint arXiv:2204.00068},
year = {2022}
}