基于动态功能连接与图卷积网络的阿尔茨海默病分类
计算机视觉与模式识别
2020-06-25 v1 机器学习
图像与视频处理
摘要
阿尔茨海默病（AD）是最普遍的痴呆形式。传统方法无法实现对 AD 的高效准确诊断。在本文中，我们引入一种基于动态功能连接（dFC）的新方法，可有效捕捉大脑的变化。我们比较并组合了四种不同类型的特征，包括低频振幅（ALFF）、区域同质性（ReHo）、dFC 以及不同受试者间脑结构的邻接矩阵。我们使用图卷积网络（GCN）来考虑患者间脑结构的相似性，以解决非欧几里得域的分类问题。所提方法的准确率和受试者工作特征曲线下面积分别达到 91.3% 和 98.4%。该结果表明我们提出的方法可用于检测 AD。
引用
@article{arxiv.2006.13510,
title = {Dynamic Functional Connectivity and Graph Convolution Network for Alzheimer's Disease Classification},
author = {Xingwei An and Yutao Zhou and Yang Di and Dong Ming},
journal= {arXiv preprint arXiv:2006.13510},
year = {2020}
}