-
题名基于多尺度残差神经网络的阿尔茨海默病诊断分类
被引量：5
- 1
-
-
作者
刘振丙
方旭升
杨辉华
蓝如师
-
机构
桂林电子科技大学电子工程与自动化学院
北京邮电大学自动化学院
-
出处
《山东大学学报（工学版）》
CAS
北大核心
2018年第6期1-7,18,共8页
-
基金
国家自然科学基金项目(61562013
61866009)
广西自然科学基金(2017GXNFDA198025)
-
文摘
提出多尺度残差神经网络(multi-scale resnet,MSResnet)。采用不同大小的卷积核对图像进行多尺度信息采集,并对神经网络进行残差学习,避免网络退化。对核磁共振图像(magnetic resonance imaging,MRI)进行标准化处理,利用MSResnet模型在阿尔茨海默症(Alzheimer's disease,AD)和正常受试者(normal control,NC)获得的分类准确率为99. 41%,在AD和轻度认知障碍(mild cognitive impairment,MCI)获得分类准确率为97. 35%。与已有的算法相比,本研究提出的算法的分类准确率得到了明显的提高。
-
关键词
多尺度残差神经网络
核磁共振图像
阿尔茨海默病
灰度标准化
-
Keywords
msresnet
magnetic resonance imaging
Alzheimer's disease
gray scale standardization
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
