基于多尺度残差神经网络的阿尔茨海默病诊断分类

刘振丙¹(),方旭升¹,杨辉华^1,2,蓝如师¹

1. 桂林电子科技大学电子工程与自动化学院, 广西 桂林 541000
2. 北京邮电大学自动化学院, 北京 100876

收稿日期:2018-05-31出版日期:2018-12-20发布日期:2018-12-26

作者简介:刘振丙(1980—)，男，山东济宁人，教授，博士生导师，博士，主要研究方向为机器学习与图像处理.E-mail:zbliu@guet.edu.cn
基金资助:国家自然科学基金项目(61562013);国家自然科学基金项目(61866009);广西自然科学基金(2017GXNFDA198025)

The diagnosis of Alzheimer's disease classification based on multi-scale residual neutral network

Zhenbing LIU¹(),Xusheng FANG¹,Huihua YANG^1,2,Rushi LAN¹

1. School of Electronic Engineering and Automation, Guilin University of Electronic Technology, Guilin 541000, Guangxi, China
2. School of Automation, Beijing University of Electronic Technology, Beijing 100876, China

Received:2018-05-31Online:2018-12-20Published:2018-12-26


Supported by:国家自然科学基金项目(61562013);国家自然科学基金项目(61866009);广西自然科学基金(2017GXNFDA198025)

摘要/Abstract

摘要： 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。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1768