基于深度学习的多模态脑图像识别方法研究

发布时间：2021-01-12 15:52

　　阿尔茨海默病（AD）是一种中枢神经系统退行性疾病,一旦患病便无可逆转,只能通过药物拖延,对患者的生活甚至生命都造成困扰和威胁。轻度认知障碍（Mild Cognitive Impairment,MCI）是介于正常老化和痴呆之间的一种临床状态,其转化成AD的风险约是正常老人的10倍。核磁共振成像（Magnetic Resonance Imaging,MRI）和正电子发射计算机断层成像（Positron Emission Computed Tomography,PET）是AD和MCI研究中常用的神经影像学手段,本文就是利用深度学习的方法从神经影像中提取隐含特征,用于对AD和MCI患者的分类识别,本文的具体工作如下:选取ADNI数据库中的神经影像数据作为本文的实验研究数据,筛选同时具有MRI和PET两种模态的被试,对三维原始MRI脑图像进行预处理操作,包括分割,标准化和平滑,得到灰质图像,对于原始三维PET图像进行平滑和标准化处理,将两种模态预处理后得到的图像进行切片,处理完得到的数据可以作为深度学习的网络模型的输入数据。提出一种基于改进的拓扑稀疏编码的MRI脑图像分类方法,该方法使用改进的拓... 

【文章来源】：长春工业大学吉林省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

自编码神经网络结构图

最大池化和平均池化

有无Dropout

【参考文献】：
期刊论文
[1]基于多模态多标记迁移学习的早期阿尔茨海默病诊断[J]. 程波,朱丙丽,熊江.  计算机应用. 2016(08)

博士论文
[1]基于迁移学习的多模态脑图像分析及其应用研究[D]. 程波.南京航空航天大学 2015

硕士论文
[1]基于迁移学习的阿尔茨海默病早期诊断算法研究[D]. 刘永林.曲阜师范大学 2019
[2]基于稀疏表示的模式分类算法及其应用研究[D]. 季冲.南京理工大学 2018
[3]基于深度学习的AD/MCI分类特征表达[D]. 李东新.哈尔滨工程大学 2017
[4]基于集成学习的多模态AD辅助诊断模型研究[D]. 李慧卓.太原理工大学 2016
[5]多模态特征选择及其在脑疾病分类中的应用研究[D]. 叶婷婷.南京航空航天大学 2016



本文编号：2973074