基于 CNN 与决策级融合的多模态多分类帕金森病识别
计算机视觉与模式识别
2023-07-07 v1
摘要
据世界卫生组织报告，帕金森病是第二常见的神经退行性疾病。本文提出一种利用 MRI 和 DTI 两种不同模态的直接三分类 PD（帕金森病）识别方法。用于分类的三类为 PD、无多巴胺缺乏证据的扫描（SWEDD）和健康对照（HC）。我们使用来自 MRI 的白质和灰质，以及来自 DTI 的 fractional anisotropy（各向异性分数）和 mean diffusivity（平均扩散率）来实现目标。我们在上述四类数据上分别训练四个 CNN（卷积神经网络）。在决策级，四个 CNN 模型的输出通过最优加权平均融合技术进行融合。在公开可用的 PPMI 数据库上，我们对 PD、HC 和 SWEDD 的直接三分类达到了 95.53% 的准确率。包括一系列消融研究在内的广泛比较清楚地证明了我们所提方案的有效性。
引用
@article{arxiv.2307.02978,
title = {Multi-modal multi-class Parkinson disease classification using CNN and decision level fusion},
author = {Sushanta Kumar Sahu and Ananda S. Chowdhury},
journal= {arXiv preprint arXiv:2307.02978},
year = {2023}
}
备注
10th International Conference on Pattern Recognition and Machine Intelligence (Acepted)