典型文献
基于生成对抗模型的阿尔茨海默病纵向神经影像生成方法研究
文献摘要：
目的:针对阿尔茨海默病的纵向研究中不同时间点的影像数据缺失的问题,提出一种基于pix2pix模型的生成对抗模型3Dpix2pix-AGE.方法:首先对pix2pix模型的架构进行改进,分别采用V-Net和密集连接的卷积网络(densely connected convolutional networks,DenseNet)架构作为生成器和判别器的架构;其次对pix2pix模型的损失函数进行改进,引入年龄损失来控制图像纵向变化;最后基于阿尔茨海默病神经影像学计划(Alzheimer's Disease Neuroimaging Initiative,ADNI)数据集中受试者的基线图像生成24个月的纵向图像.采用五折交叉检验进行3Dpix2pix-AGE模型验证,通过定量评估和定性评估2种方式评估生成图像的质量.结果:生成的纵向图像与真实纵向图像具有较高的相似度,可以用来预测阿尔茨海默病患者的病程进展.结论:3Dpix2pix-AGE模型可以生成高质量的阿尔茨海默病患者的纵向图像,为ADNI数据集中缺失的纵向神经影像数据的生成提供了一种新方法.
文献关键词：
阿尔茨海默病;神经影像;深度学习;图像生成;生成对抗网络
中图分类号：
作者姓名：
康文杰;林岚;陈明
作者机构：
北京工业大学环境与生命学部生物医学工程系,北京 100124;南宁市城市规划展示馆,南宁 530028
文献出处：
引用格式：
[1]康文杰;林岚;陈明-.基于生成对抗模型的阿尔茨海默病纵向神经影像生成方法研究)[J].医疗卫生装备,2022(11):1-7,13
A类：
3Dpix2pix
B类：
生成方法,纵向研究,不同时间点,影像数据,数据缺失,AGE,密集连接,卷积网络,densely,connected,convolutional,networks,DenseNet,生成器,判别器,损失函数,控制图,于阿尔,神经影像学,Alzheimer,Disease,Neuroimaging,Initiative,ADNI,图像生成,五折交叉检验,模型验证,定量评估,定性评估,成图,阿尔茨海默病患者,病程进展,生成对抗网络
AB值：
0.310705
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。
