用于从脑MRI早期检测阿尔茨海默症的深度多分支CNN架构
图像与视频处理
2023-06-21 v3 计算机视觉与模式识别
机器学习
摘要
阿尔茨海默症（AD）是一种神经退行性疾病，可引起痴呆并导致脑功能严重下降，抑制简单任务，尤其在没有采取预防护理时。超过九分之一的美国人患有AD引起的痴呆，而针对AD相关痴呆患者的无偿护理价值达2716亿美元。因此，人们开发了多种方法用于AD早期诊断为防止其进一步进展。本文首先回顾了可用于AD早期检测的其他方法。随后我们概述了来自阿尔茨海默症神经影像学倡议（ADNI）的数据集，并提出了一种包含7,866,819个参数的深度卷积神经网络（CNN）架构。该模型具有三个不同的卷积分支，每个分支长度不同。每个分支由不同的核尺寸构成。该模型能以99.05%的三分类准确率预测患者为非痴呆、轻度痴呆或中度痴呆。
引用
@article{arxiv.2210.12331,
title = {Deep Multi-Branch CNN Architecture for Early Alzheimer's Detection from Brain MRIs},
author = {Paul K. Mandal and Rakesh Mahto},
journal= {arXiv preprint arXiv:2210.12331},
year = {2023}
}
备注
11 pages, 7 figures