利用生成对抗网络对额颞叶痴呆与阿尔茨海默病进行鉴别诊断
图像与视频处理
2021-09-30 v2 计算机视觉与模式识别
摘要
额颞叶痴呆和阿尔茨海默病是两种常见的痴呆形式，由于其临床症状模式相似，容易相互误诊。区分这两种痴呆类型对于确定疾病特异性干预和治疗至关重要。近年来基于深度学习的方法在医学图像计算领域的发展为许多二分类任务提供了一些最佳性能，但其在鉴别诊断（例如基于神经影像的多种痴呆类型区分）中的应用尚未被探索。在本研究中，提出了一种新框架，利用生成对抗网络（GAN）技术，基于从磁共振成像扫描中以由粗到细的结构尺度提取的体积特征来区分额颞叶痴呆（FTD）、阿尔茨海默病（AD）和正常对照受试者。在 1,954 张图像上的 10 折交叉验证实验取得了高准确率。通过所提出的框架，我们证明了多尺度结构特征与基于生成对抗网络的数据增强相结合能够改善诸如痴呆亚型区分等挑战性任务的性能。
引用
@article{arxiv.2109.05627,
title = {Differential Diagnosis of Frontotemporal Dementia and Alzheimer's Disease using Generative Adversarial Network},
author = {Da Ma and Donghuan Lu and Karteek Popuri and Mirza Faisal Beg},
journal= {arXiv preprint arXiv:2109.05627},
year = {2021}
}