基于深度三维卷积神经网络的阿尔茨海默病分类视觉解释
计算机视觉与模式识别
2018-07-09 v3 人工智能
机器学习
机器学习
摘要
我们提出了三种从三维卷积神经网络（3D-CNNs）生成视觉解释以用于阿尔茨海默病分类的高效方法。一种方法对分层三维图像分割进行敏感性分析，另外两种在空间图上可视化网络激活。视觉检查与定量定位基准表明，所有方法均能识别对阿尔茨海默病诊断重要的脑区。对比分析显示，基于敏感性分析的方法难以处理分布松散的大脑皮层，而基于激活可视化的方法受卷积层分辨率限制。这些方法的互补性从不同角度增进了对三维卷积神经网络在阿尔茨海默病分类中的理解。
引用
@article{arxiv.1803.02544,
title = {Visual Explanations From Deep 3D Convolutional Neural Networks for Alzheimer's Disease Classification},
author = {Chengliang Yang and Anand Rangarajan and Sanjay Ranka},
journal= {arXiv preprint arXiv:1803.02544},
year = {2018}
}
备注
Accepted by 2018 American Medical Informatics Association Annual Symposium (AMIA2018)