使用fMRI数据与深度学习卷积神经网络的阿尔茨海默病分类
计算机视觉与模式识别
2016-03-30 v1
摘要
在过去的十年中，机器学习技术，尤其是从药物递送系统到医学影像的生物医学科学中的预测建模和模式识别，已成为帮助研究人员更深入理解整个问题并解决复杂医学问题的重要方法之一。深度学习是在分类同时提取高层特征的有力机器学习算法。本文中，我们使用卷积神经网络对阿尔茨海默病大脑与正常健康大脑进行分类。分类此类医学数据的重要性在于潜在地开发预测模型或系统，以便从正常受试者中识别疾病类型或估计疾病阶段。诸如阿尔茨海默病之类的临床数据分类一直具有挑战性，且最成问题的部分一直是选择最具判别力的特征。使用卷积神经网络（CNN）和著名架构LeNet-5，我们成功地对阿尔茨海默病受试者的功能MRI数据与正常对照进行了分类，测试数据在训练数据上的准确率达到96.85%。该实验向我们表明，CNN提取的平移和尺度不变特征辅以深度学习分类是区分fMRI中临床数据与健康数据的最强大方法。该方法还使我们能够扩展我们的方法以预测更复杂的系统。
引用
@article{arxiv.1603.08631,
title = {Classification of Alzheimer's Disease using fMRI Data and Deep Learning Convolutional Neural Networks},
author = {Saman Sarraf and Ghassem Tofighi},
journal= {arXiv preprint arXiv:1603.08631},
year = {2016}
}