基于耦合的卷积-图卷积神经网络的阿尔茨海默病的磁共振诊断方法

发布时间：2021-05-14 20:38

　　目的针对已有方法未利用大脑拓扑信息的问题,提出基于耦合的卷积-图卷积神经网络的疾病诊断模型,以实现对阿尔茨海默病及其前驱症状的精确诊断,为临床提供可靠的辅助诊断信息。方法根据ADNI数据库提供的信息,将MMSE评分在20～26分、同时CDR评分为0.5或1的被试的疾病标签标记为AD组;将MMSE评分在24～30分且CDR评分为0、无抑郁症状、无认知障碍、无焦虑症状的被试疾病标签标记为NC组。本文提出一种耦合的卷积-图卷积神经网络（CCGCN）模型,以组间比较获取的疾病相关区域作为输入,利用卷积神经网络,从大脑磁共振图像的不同区域提取疾病相关的特征,再使用图卷积网络,结合提取到的特征,对区域间拓扑结构进行建模,并在图卷积网络中嵌入图池化操作,从而自适应地学习大脑拓扑结构与疾病诊断任务之间的内在联系。利用ADNI数据集,获得CCGCN模型对阿尔茨海默病及其前驱症状的疾病诊断准确率、灵敏度和特异度,并进行模型结构的消融实验。结果该模型在阿尔茨海默病的诊断任务上取得了92.5%的准确率、88.1%的灵敏度和96.0%的特异度,诊断精度优于目前最先进的方法;同时在区分进行型轻度认知障碍患者和稳定... 

【文章来源】：南方医科大学学报. 2020,40(04)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 材料和方法
    1.1 数据来源及预处理
    1.2 关键区域获取
    1.3 模型结构
    1.4 训练方法
    1.5 实验
2 结果
    2.1 对比实验
    2.2 消融实验
3 讨论



本文编号：3186291