基于深度学习的阿尔兹海默症智能检测和分类研究

发布时间：2023-09-14 03:57

　　近年来,人工智能技术得到了迅速发展,深度学习作为人工智能技术的重要组成部分不仅在金融,农业,交通等领域得到广泛应用,而且医学领域的研究也逐渐增多,在医学领域,深度学习在病灶分割、目标检测、疾病诊断、图像分类等方面取得了突出成就。在各类癌症、脑血栓、心脏病、皮肤病、帕金森病、癫痫、抑郁症等疾病的研究中取得了丰硕的研究成果。然而,由于一些客观原因使得人工智能在阿尔兹海默病方面的实践应用还相对较少。阿尔兹海默症(Alzheimer’s disease,AD)作为一种不可逆的神经退行性疾病,由于这种疾病通常发生在中老年人群身上,所以我们也把这种疾病俗称为老年痴呆症。随着病情的发展患者通常会出现认知能力下降,记忆功能衰减,严重的会出现生活能力完全丧失等症状。目前由于对于该疾病的发病机制尚不明晰,所以依靠现今的医疗手段还无法根治,同时由于该疾病起病隐匿且其病情的发展往往比较缓慢,当患者症状明显才得以确诊时其大量神经元已经发生不可逆性的死亡。早发现、早干预是应对该疾病的最佳处理方式。近年来随着科技的发展人们可以通过实验室和影像学检查等方法并综合其它检查结果对病情做出诊断,借助医学影像的检查结果可以在...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 人工智能的发展历程
    1.4 深度学习在医疗影像领域的进展
    1.5 章节简介
第二章 基于深度学习的阿尔兹海默症智能检测和分类研究的总体框架设计
    2.1 基于深度学习的阿尔兹海默症智能检测和分类研究的整体设计
    2.2 神经网络模型的整体设计
    2.3 数据集的整体设计
    2.4 实验流程的整体设计
    2.5 本章小结
第三章 阿尔兹海默症医学影像数据集的处理
    3.1 阿尔兹海默症医学影像数据集
    3.2 医学影像数据集的预处理
        3.2.1 数据集的筛选
        3.2.2 数据集的标注
        3.2.3 数据集的格式归一化
    3.3 医学影像数据集的深度处理
        3.3.1 数据增强
        3.3.2 特征增强
    3.4 训练集和测试集划分
    3.5 本章小结
第四章 基于深度学习的阿尔兹海默症智能检测和分类研究的算法设计
    4.1 卷积神经网络
        4.1.1 LeNet5简介
        4.1.2 AlexNet简介
        4.1.3 VGG简介
        4.1.4 GoogleNet简介
        4.1.5 ResNet简介
    4.2 SqueezeNet轻量级深层神经网络
    4.3 NewNet网络模型
        4.3.1 改进卷积神经网络中的激活函数
        4.3.2 引入残差思想增加跳层结构
        4.3.3 拓宽网络宽度
    4.4 本章小结
第五章 实验结果与分析
    5.1 验环境简介
    5.2 神经网络模型的评估方法
    5.3 二分类实验结果分析
    5.4 四分类实验结果分析
    5.5 几种神经网络模型的对比
    5.6 本章小结
第六章 总结和展望
    6.1 总结
    6.2 展望
参考文献
致谢
附件



本文编号：3846507