机构名称：
¥ 1.0
摘要——阿尔茨海默病是一种致命的进行性神经系统脑部疾病。及早发现阿尔茨海默病有助于正确治疗并防止脑组织损伤。在这项工作中，我们提出了两种方法。首先，提出使用 PSO 从 MRI 图像中提取特征的连接中值滤波器，并使用基于 3D-CNN 的 SE-Net 分析阿尔茨海默病状态。在第一阶段，该算法首先对 MRI 图像进行规范化并去除头骨。使用粒子群优化算法的连接中值滤波器将图像划分为白质 (WM)、灰质 (GM) 和黑洞 (BH)。从分割的图像成分中提取相关的诊断特征。分类器由训练数据训练以预测测试数据。定义特征以使用带有挤压激励块的支持向量机构建分类模型。在这里，数据库总共包含 1000 张图像，这些图像被调整为 350 × 350 而不会丢失信息。深度学习需要大量的图像，并且其强度根据增强技术的要求得到了提高。在该方法的第一阶段，选取 1000 张具有不同特征的图像来训练 SVM 分类器，获得的准确率为 98.37%，这项工作的贡献是将图像分类为阿尔茨海默病 (AD) 和正常等类别。第一阶段的工作强调使用特定程序来提取特征。在第二阶段，CNN 有多个层，从较低级别到较高级别研究图像特征。关键词 - 3D-CNN、压缩和激励网络、优化
使用 SE 进行 3D-CNN 的阿尔茨海默病检测
主要关键词
相关文件推荐
