基于深度学习的阿尔兹海默症多模态辅助诊断研究

发布时间：2023-04-03 01:29

　　阿尔兹海默症(Alzheimer’s Disease,AD)是一种在老年人群中常见的痴呆疾病,由于病程不可逆且无法治愈,常会对病人的生活质量产生极大影响,因此尽早诊断病情并对病程加以干预是唯一有效的手段。由于良好的实验效果,深度学习模型在医学图像领域受到了越来越多研究者的关注,但深度学习方法常需要较大的数据量作为支撑,而医学图像由于设备成本以及病例数量的限制,常存在着数据量不足的问题,因而在某些情况下会出现过拟合的问题。提出一种参数高效的深度学习模型,引入了可分离卷积、全局平均池化、残差结构,使得模型参数量成倍地减少,同时引入多模态数据,增大了输入样本的信息量,以求减少过拟合问题。最后,通过对照试验,验证了该文所提出模型的优越性。

【文章页数】：4 页

【文章目录】：
1 实验数据
2 实验方法
    2.1 全连接层、全连接模块、全局平均池化
    2.2 可分离卷积，三维卷积
    2.3 网络结构
3 实验结果



本文编号：3780374