机构名称：
¥ 1.0
摘要 — 阿尔茨海默病 (AD) 是一种无法治疗且不可逆的疾病，影响约 6% 的 65 岁以上人群。脑磁共振成像 (MRI) 是一种广泛用于 AD 诊断的伪 3D 成像方式。具有 3D 核的卷积神经网络 (3D CNN) 通常是基于深度学习的 MRI 分析的默认选择。然而，3D CNN 通常计算成本高昂且数据量大。这些缺点阻碍了现代深度学习技术在医学成像领域的使用，因为该领域可用于训练的数据数量通常有限。在这项工作中，我们提出了三种利用 2D CNN 处理 3D MRI 数据的方法。我们在两种流行的 2D CNN 架构的阿尔茨海默病神经影像计划数据集上测试了所提出的方法。评估结果表明，所提出的方法将模型在 AD 诊断方面的性能提高了 8.33% 的准确率或 10。 11% auROC，同时显著减少训练时间超过 89%。我们还讨论了性能改进的潜在原因和局限性。我们相信这项工作可以为未来的研究人员奠定坚实的基础。索引术语 — CNN、3D、MRI、诊断
使用 2D 卷积对阿尔茨海默病进行分类...
主要关键词
相关文件推荐
