机构名称：
¥ 1.0
在[8]中，作者提出了一个新的分类框架，该框架基于多模型深CNN，用于共同学习海马分割和疾病分类。首先，立即建立了一个深CNN模型，发现了海马分裂和疾病分类的外观。基于单独的海马结构域，额外的3D致密净是Bosome，以获得富有且计数的构想面孔以进行祸害分类。最后，来自CNN和密集的净模型的知情线索与分类苦难等级有关。计划的基础工作不仅可以产生苦难等级，而且同样支持海马分离结果。MR概念手柄不需要织物分离和非线性注册。探索性结果确定了ADNI数据集说明，我们预计的方法已经完成了对阿尔茨海默氏病的希望。
使用脑MRI图像的阿尔茨海默氏病检测-IJRPR
主要关键词
相关文件推荐
