基于深度机器学习的阿尔茨海默病患者磁共振图像海马体分割
图像与视频处理
2021-06-17 v2 计算机视觉与模式识别
机器学习
神经元与认知
摘要
背景：阿尔茨海默病是一种进行性神经退行性疾病，也是老年人痴呆的主要原因。海马体在阿尔茨海默病早期阶段易发生改变。在阿尔茨海默病发病前利用磁共振成像(MRI)检测并观察海马体的变化，有助于更快采取预防和治疗措施。目的：本研究旨在使用深度机器学习方法对阿尔茨海默病患者的磁共振(MR)图像中的海马体进行分割。方法：提出采用卷积神经网络的U-Net架构对真实MRI数据中的海马体进行分割。分别使用阿尔茨海默病神经影像倡议(ADNI)数据集中可用的100名和35名患者的MR图像对模型进行训练和测试。通过测量相似性指标，将所提方法的性能与手动分割进行比较。结果：经过10次迭代后达到期望的分割效果。训练集和测试集分别获得Dice相似性系数(DSC)=92.3%、灵敏度=96.5%、阳性预测值(PPV)=90.4%，以及交并比(IoU)训练集92.94、测试集92.93，结果均可接受。结论：所提方法具有前景，可通过预测疾病早期海马体体积变化推广应用于阿尔茨海默病的预后评估。
引用
@article{arxiv.2106.06743,
title = {Hippocampus segmentation in magnetic resonance images of Alzheimer's patients using Deep machine learning},
author = {Hossein Yousefi-Banaem and Saber Malekzadeh},
journal= {arXiv preprint arXiv:2106.06743},
year = {2021}
}