用于帕金森病的 DaTscan SPECT 图像分类
图像与视频处理
2019-09-11 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
帕金森病（PD）是一种目前无法治愈的神经退行性疾病。为辅助疾病管理并减缓症状进展，早期诊断至关重要。当前的临床诊断方法是由放射科医生对脑黑质区域多巴胺能神经元的退化进行人工视觉分析。临床上，多巴胺水平通过观测多巴胺转运体（DaT）活性来监测。DaT 活性分析的一种方法是注射碘-123 氟丙基（123I-FP-CIT）示踪剂并结合单光子发射计算机断层扫描（SPECT）成像。示踪剂在所得 DaTscan SPECT 图像中显示感兴趣区域。人工视觉分析缓慢且易受放射科医生间主观性影响，因此目标是开发一种深度卷积神经网络的初步实现，能够客观、准确地将 DaTscan SPECT 图像分类为帕金森病或正常。本研究阐述了使用深度卷积神经网络的方法并评估其在 DaTscan SPECT 图像分类上的性能。本研究使用的数据来自帕金森病进展标志物倡议（PPMI）提供的数据库。本研究中的深度神经网络采用 InceptionV3 架构（2015 年 ImageNet 大规模视觉识别竞赛（ILSVRC）亚军）作为基模型，在其上添加了定制的二分类器模块。为应对小规模数据集，采用了十折交叉验证来评估模型性能。
引用
@article{arxiv.1909.04142,
title = {DaTscan SPECT Image Classification for Parkinson's Disease},
author = {Justin Quan and Lin Xu and Rene Xu and Tyrael Tong and Jean Su},
journal= {arXiv preprint arXiv:1909.04142},
year = {2019}
}