利用脑代谢与淀粉样蛋白成像的深度学习预测认知衰退
计算机视觉与模式识别
2017-04-21 v1 人工智能
机器学习
摘要
为了有效治疗阿尔茨海默病(AD)，识别最可能表现出快速认知衰退的受试者很重要。在此，我们开发了一种基于深度卷积神经网络的新型框架，其可使用氟脱氧葡萄糖和氟贝他吡正电子发射断层扫描(PET)预测轻度认知障碍(MCI)患者的未来认知衰退。网络的架构仅依赖于AD和正常受试者的基线PET研究作为训练数据集。我们的方法不需要特征提取和包括非线性变形的复杂图像预处理。对MCI患者向AD转化的预测准确性(84.2%)优于传统的基于特征的量化方法。ROC分析显示基于CNN的方法的性能显著优于常规量化方法(p < 0.05)。网络的输出分数与认知测量的纵向变化强相关。这些结果显示了深度学习作为使用脑图像预测疾病结局的工具的可行性。
引用
@article{arxiv.1704.06033,
title = {Predicting Cognitive Decline with Deep Learning of Brain Metabolism and Amyloid Imaging},
author = {Hongyoon Choi and Kyong Hwan Jin},
journal= {arXiv preprint arXiv:1704.06033},
year = {2017}
}
备注
24 pages