典型文献
基于特征增强金字塔网络的阿尔茨海默症早期诊断研究
文献摘要：
阿尔茨海默症(Alzheimer's disease,AD)作为一种不可逆转的神经退行性疾病,能在其发病初期进行干预治疗对病情的控制和改善具有重要意义.近年来,研究者广泛地使用深度学习方法对AD的核磁共振成像(Magnetic resonance imaging,MRI)进行分析并做出早期诊断.但AD早期的脑部结构变化与正常人差别较小,目前单一尺度的分析方法难以有效捕捉到这些细小差别的特征.针对以上问题,本文提出特征增强金字塔网络(Feature enhanced pyramid network,FEPN)进行AD的MRI早期诊断,通过设计的浅层特征重提取模型利用上下文信息补充高层特征,并计算融合权重指导高低层特征图的融合,增强了上下文信息交互和多尺度特征融合的匹配度.对比实验采用Kaggle公开的Alzheimer数据集对该方法进行验证,实验结果表明,相比于其他同类方法,FEPN有效提升了4种AD脑状态(非痴呆、非常轻度痴呆、轻度痴呆、中度痴呆)MRI的分类精度.
文献关键词：
阿尔茨海默症;核磁共振成像;深度学习;浅层特征重提取;融合权重
中图分类号：
作者姓名：
石磊;彭少康;张亚萌;赵国桦;高宇飞
作者机构：
郑州大学网络空间安全学院,郑州 450002;嵩山实验室,郑州 450052;河南省人民医院病理科,郑州450003;郑州大学第一附属医院磁共振科,郑州 450003
文献出处：
引用格式：
[1]石磊;彭少康;张亚萌;赵国桦;高宇飞-.基于特征增强金字塔网络的阿尔茨海默症早期诊断研究)[J].数据采集与处理,2022(04):727-735
A类：
FEPN,浅层特征重提取
B类：
特征增强,金字塔网络,阿尔茨海默症,诊断研究,Alzheimer,disease,AD,不可逆转,神经退行性疾病,干预治疗,使用深度,深度学习方法,核磁共振成像,Magnetic,resonance,imaging,脑部,正常人,一尺,捕捉到,细小,小差,Feature,enhanced,pyramid,network,提取模型,上下文信息,融合权重,导高,低层,特征图,信息交互,多尺度特征融合,匹配度,Kaggle,非痴呆,分类精度
AB值：
0.330467
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
