基于多模态MRI图像的输入不可知深度学习用于阿尔茨海默病分类
图像与视频处理
2021-07-20 v1 计算机视觉与模式识别
机器学习
摘要
阿尔茨海默病(AD)是一种进行性脑部疾病,会导致记忆和功能障碍。机器学习的发展以及公开可用的医学数据集引发了多项关于AD诊断的研究。在本工作中,我们利用多模态深度学习方法,基于来自OASIS-3数据集的结构性MRI和扩散张量成像(DTI)扫描,对正常认知、轻度认知障碍和AD类别进行分类。除了常规的多模态网络外,我们还提出了一种输入不可知架构,允许仅使用sMRI或DTI扫描进行诊断,这使得我们的方法与以往基于多模态机器学习的方法有所区别。结果表明,当同时提供结构性MRI和DTI扫描作为输入时,该输入不可知模型达到了0.96的准确率。
引用
@article{arxiv.2107.08673,
title = {Input Agnostic Deep Learning for Alzheimer's Disease Classification Using Multimodal MRI Images},
author = {Aidana Massalimova and Huseyin Atakan Varol},
journal= {arXiv preprint arXiv:2107.08673},
year = {2021}
}
备注
4 pages, submitted to EMBC 2021