基于深度卷积神经网络的阿尔茨海默病 MRI 数据分类
图像与视频处理
2021-01-11 v1 计算机视觉与模式识别
机器学习
摘要
阿尔茨海默病（AD）是一种进行性且不可治愈的神经退行性疾病，它破坏脑细胞并导致患者记忆丧失。早期检测可防止患者脑细胞进一步受损，从而避免永久性记忆丧失。过去几年中，人们提出了各种自动工具和技术用于 AD 的诊断。若干方法侧重于快速、准确和早期地检测该疾病，以尽量减少对患者心理健康的损害。尽管机器学习和深度学习技术已通过提供接近人类水平的诊断性能显著改善了 AD 的医学成像系统，但在多类分类中面临的主要问题是脑结构中存在高度相关的特征。在本文中，我们提出了一种基于二维深度卷积神经网络（2D-DCNN）的 AD 智能准确诊断方法，使用不平衡的三维 MRI 数据集。在阿尔茨海默病神经影像学倡议磁共振成像（MRI）数据集上的实验结果证实，所提 2D-DCNN 模型在准确性、效率和鲁棒性方面均更优。该模型将 MRI 分为三类：AD、轻度认知障碍和正常对照，并在不平衡类别下达到了 99.89% 的分类准确率。与最先进的方法相比，所提模型在准确性上表现出显著提升。
引用
@article{arxiv.2101.02876,
title = {Deep Convolutional Neural Network based Classification of Alzheimer's Disease using MRI data},
author = {Ali Nawaz and Syed Muhammad Anwar and Rehan Liaqat and Javid Iqbal and Ulas Bagci and Muhammad Majid},
journal= {arXiv preprint arXiv:2101.02876},
year = {2021}
}