端到端阿尔茨海默病诊断与生物标志物识别
计算机视觉与模式识别
2018-10-02 v1
摘要
如计算机视觉领域所示，深度学习的威力在于为任何预测任务自动学习相关且强大的特征，这通过端到端架构得以实现。然而，应用于医学图像分类的深度学习方法并未遵循该架构，因为它们依赖若干预处理与后处理步骤。这一不足可归因于可用标注受试者数量较少、神经影像数据的高维性，以及深度学习结果难以解释。本文中，我们提出一种简单的 3D 卷积神经网络，并利用其模型参数调整端到端架构以诊断阿尔茨海默病（AD）。我们的模型仅使用 MRI 数据在流行的 ADNI 数据集上以 94.1% 的准确率诊断 AD，优于先前最先进水平。基于所学模型，我们识别了疾病生物标志物，结果与文献一致。我们进一步迁移所学模型以诊断轻度认知障碍（MCI，AD 的前驱阶段），其效果优于其他方法。
引用
@article{arxiv.1810.00523,
title = {End-To-End Alzheimer's Disease Diagnosis and Biomarker Identification},
author = {Soheil Esmaeilzadeh and Dimitrios Ioannis Belivanis and Kilian M. Pohl and Ehsan Adeli},
journal= {arXiv preprint arXiv:1810.00523},
year = {2018}
}