典型文献
基于双线性卷积神经网络模型的阿尔茨海默病自动诊断
文献摘要：
目的 探讨基于双线性卷积神经网络(BRNV)模型的阿尔茨海默病(AD)自动诊断.方法 选取AD神经成像倡议(ADNI)数据库中的AD(n=93)、轻度认知功能障碍(MCI,n=76)及正常认知(NC,n=100)受试者的核磁共振图像(MRI)作为数据集,预处理后按照8:2的比例分为训练集和验证集,同时另取ADNI中不同于以上已经选取的受试者数据150例作为测试集(AD、MCI及NC受试者各50例),将每名受试者经过预处理后的三维MRI数据转换为矢状面、冠状面及横断面2 D切片123张,最终获得AD组MCI组及NC组受试者训练集(n=9225、7503、9840)、验证集(n=2214、1845、2460)及测试集(n=6150、6150、6150)2 D切片;设计BRNV模型对预处理后的MRI数据进行分类预测,采用迁移学习方法为模型寻找最优的初始网络参数权重,通过BRNV模型对AD的分类效果绘制受试者工作特征曲线(ROC),以ROC曲线下面积(AUC)、准确率、特异性及敏感性评估模型的诊断价值.结果 BRNV模型对AD受试者诊断分类,准确率、AUC、特异性及敏感性分别达85.4％、91.3％、86.1％及84.2％;BRNV模型对MCI受试者诊断分类,准确率、AUC、特异性及敏感性分别达73.3％、75.1％、72.0％及74.0％.结论 BRNV模型在AD自动诊断中具有较高的准确率,有助于针对AD的计算机辅助诊断系统开发,并帮助医生提高AD的诊断效率.
文献关键词：
阿尔茨海默病;诊断;计算机辅助;双线性卷积神经网络;磁共振图像;迁移学习;图像分类
中图分类号：
作者姓名：
曾雷雷;杨帆;雷平贵;缪月红;谢弘;叶远浓
作者机构：
贵州医科大学 大健康学院, 贵州 贵阳 550025;贵州医科大学 生物与工程学院, 贵州 贵阳 550025;贵州医科大学附属医院影像科,贵州 贵阳 550004
文献出处：
引用格式：
[1]曾雷雷;杨帆;雷平贵;缪月红;谢弘;叶远浓-.基于双线性卷积神经网络模型的阿尔茨海默病自动诊断)[J].贵州医科大学学报,2022(02):217-223
A类：
BRNV
B类：
双线性卷积神经网络,卷积神经网络模型,阿尔茨海默病,自动诊断,神经成像,ADNI,轻度认知功能障碍,MCI,NC,核磁共振图像,训练集,验证集,测试集,数据转换,矢状面,冠状面,横断面,分类预测,迁移学习方法,网络参数,分类效果,受试者工作特征曲线,诊断价值,诊断分类,计算机辅助诊断系统,系统开发,诊断效率,图像分类
AB值：
0.200386
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。
