利用基于 Tensorflow 的卷积神经网络从 MRI 检测阿尔茨海默病
计算机视觉与模式识别
2019-10-15 v2
摘要
如今，由于高性能计算的巨大进步，训练神经网络已变得更为容易。我们打算利用这一形势，将此项技术应用于解决现实世界问题。存在从医学图像中自动诊断某些疾病的需求，这可帮助医生和放射科医生进一步采取治疗行动。我们为此选择了阿尔茨海默病。阿尔茨海默病是痴呆和记忆丧失的主要原因。阿尔茨海默病由特定脑区萎缩和脑细胞死亡引起。MRI 扫描可揭示此信息，但萎缩区域因人而异，这使得诊断稍显棘手，且常被医生和放射科医生误诊。本项目使用的数据集由 OASIS 提供，包含超过 400 名受试者，其中 100 名患有轻度至重度痴呆，并辅以同语境下的 MMSE 和 CDR 诊断标准。引入 CNN，卷积神经网络是核卷积与神经网络的混合体。核卷积是一种利用滤波器基于特征识别和分割图像的技术。神经网络由神经元组成，神经元松散基于人脑神经元，表示单一分类器，通过权重互连，具有不同的偏置，并由某些激活函数激活。通过使用卷积神经网络，该问题可以最小错误率解决。我们打算使用的技术包括 CUDA、CuDNN 等库，以利用 GPU 及其多核并行计算来训练模型，同时提供高性能。
引用
@article{arxiv.1806.10170,
title = {Detection of Alzheimers Disease from MRI using Convolutional Neural Network with Tensorflow},
author = {Gururaj Awate and Sunil Bangare and G Pradeepini and S Patil},
journal= {arXiv preprint arXiv:1806.10170},
year = {2019}
}
备注
New version with more accurate information is available at: arXiv:1901.10231