机构名称：
¥ 1.0
为了使对阿尔茨海默氏病（AD）的适当诊断和理解，深度学习已成为检测磁共振成像（MRI）中物理大脑变化的另一种方法。生物医学成像中深度学习的进步，尤其是在MRI扫描中，已被证明是异常检测的有效资源，同时利用卷积神经网络（CNN）在多层perceptron中执行特征映射。在这项研究中，我们旨在测试使用三维卷积神经网络在整个大脑扫描中鉴定与AD患者和对照组之间有区别的神经生理变性的可行性。特别是，我们建议并培训3D-CNN模型，以对认知健康的个体和AD患者进行MRI扫描进行分类。我们在由超过700次MRI扫描（一半AD）组成的大型数据集上验证了我们提出的模型。我们的结果显示验证精度为79％，与当前的最新技术相当。我们提出的3D网络的好处是，它可以通过映射大脑的复杂异质性，尤其是在边缘系统和颞叶中的复杂异质性来帮助探索和检测AD。这项研究的目的是衡量3D卷积网络在HC和AD患者MRI脑扫描中检测神经变性的进展方面的功效和可预测性。
阿尔茨海默氏症通过3D卷积神经的检测...
主要关键词
相关文件推荐
