【摘 要】
:
近年来,脑疾病是造成全球人口死亡的主要原因之一。神经影像在临床诊断与脑疾病分析中起到了越来越重要的作用。然而,神经影像数据维度过高导致临床医生往往需要花费大量时间来进行阅片。因此,通过计算机辅助诊断的方式协助医生进行分析与诊断十分必要。目前已有一些自动诊断方法运用到脑疾病的分析与自动诊断上,且能有效地对神经影像进行分析且对疾病做出诊断,但这些方法大多关注于使用传统机器学习或者神经卷积网络的方法。然
【基金项目】
:
影像基因的深度学习应用于阿尔茨海默病诊断和预测的多时间点研究、融合基因和多模信息的阿尔茨海默疾病诊断和预测纵向研究的项目(项目编号:61871274、2017A030313377);
论文部分内容阅读
近年来,脑疾病是造成全球人口死亡的主要原因之一。神经影像在临床诊断与脑疾病分析中起到了越来越重要的作用。然而,神经影像数据维度过高导致临床医生往往需要花费大量时间来进行阅片。因此,通过计算机辅助诊断的方式协助医生进行分析与诊断十分必要。目前已有一些自动诊断方法运用到脑疾病的分析与自动诊断上,且能有效地对神经影像进行分析且对疾病做出诊断,但这些方法大多关注于使用传统机器学习或者神经卷积网络的方法。然而神经影像往往具有时间信息且神经卷积网络的特征图具有独特的空间信息。据此,本文分别以阿尔茨海海默病以及强迫症为例,分别设计了三款基于长短期记忆网络(long short-term memory,LSTM)的诊断模型:第一,本文利用堆叠双向长短期记忆网络代替传统的双向长短期记忆网络。此外,长短期记忆网络的每一个输出都与历史输入相关,但对当前输入的影响较大。因此,全连接层可以通过增强堆叠双向长短期记忆网络不同输出节点之间的连接来提高精度。为此,我们设计了一种新的深度学习网络,该网络利用多模态数据通过三维神经卷积网络和全堆叠双向长短期记忆网络进行阿尔茨海默病的诊断。最终,我们取得了94.82%的诊断精度。第二,我们设计了一个新的基于功能磁共振数据(functional magnetic resonance imaging,fMRI)的强迫症诊断深度学习框架。具体地说,利用融合双向注意堆叠长短期记忆网络实现强迫症的诊断。首先,通过采样的方式从原始的fMRI序列中提取两个独立的时间序列,减少了功能磁共振序列的长度,降低了训练难度。其次,对隐藏的时间信息采用两种独立的双向堆叠注意力LSTM学习,得到初步的分类结果。最后,对两个诊断结果进行投票,得到最终诊断结果。最终,我们取得了71.66%的分类精度。第三,基于第第二部分的工作,我们提出了一种基于有序神经元的LSTM(ordered neurons LSTM,ON-LSTM)和多头注意力的强迫症诊断新框架。ON-LSTM可以将神经元按顺序排列,从而利用神经元的形成顺序增强LSTM的性能而不是用叠加和双向运算。我们用多头注意力方法从ON-LSTM的特征图中提取多样化的注意力特征,并从不同的表示子空间中提取信息。最终,我们取得了68.89%的分类精度。
其他文献
癌症诊疗一体化是一种将癌症成像诊断技术与治疗方法有机结合的新型生物医学技术,有望实现个性化医疗、实时监测治疗过程和疗效反馈。伴随纳米技术的蓬勃发展,癌症纳米诊疗技术引起广泛地关注,其中肿瘤微环境响应纳米诊疗技术,有望实现肿瘤微环境响应的肿瘤诊断和治疗。二氧化锰(MnO2)具有良好的肿瘤微环境响应性质,刺激响应性释放Mn2+,用于肿瘤磁共振成像(Magnetic Resonance Imaging,
肿瘤微环境(TME)由肿瘤细胞本身及其所处的内环境组成,与正常内环境具有明显差异。TME具有乏氧、高糖酵解活性、低p H、高间质压、过表达相关酶类和高水平活性氧化物(ROS)等特点,与癌细胞的生长、增殖、转移和侵袭密切相关。因此,利用TME的特性开发TME可激活的分子探针,通过非侵入性的成像手段对肿瘤进行可视化,这对癌症的诊断与治疗具有重要的意义。近红外荧光(NIRF)成像是一种传统的光学成像技术
目前,全球癌症死亡率居高不下,成为威胁人类健康的主要问题。然而,传统的手术治疗、放疗和化疗无法治愈癌症且有各自的局限性。光动力治疗(Photodynamic therapy,PDT)作为一种无创且毒副作用小的新型治疗方式受到了广泛的关注。典型的PDT由三个关键因素组成:光敏剂(Photosensitizer,PS)、光、氧气(O2)。在特定波长的光照下,PS吸收光的能量,把能量转移给分子氧,产生单
近年来,金纳米囊泡由于其独特的理化性质而受到广泛关注,其在药物运输、基因递送、分子影像、诊疗一体化等领域展现出巨大的应用潜力,已经广泛地用于智能诊疗剂的设计和构建。在特定外界刺激下,金纳米囊泡中聚合物的某些理化性质发生变化,因而通过调节外界刺激信号的开与关、信号的强度和类型来实现对金纳米囊泡的智能调控。但是由于现有的金纳米囊泡其聚合物不可降解的,降低了体内的清除效率,另外其用于肿瘤治疗方式单一,和
癫痫是由于大脑神经元的异常放电引起的局部脑区或者整个大脑出现神经性、功能性障碍的疾病。在全球范围内,至少有6500万癫痫患者身受癫痫的困扰,我国癫痫患者的人数约900万左右,已经成为我国第二大神经性疾病。其中,30%的癫痫患者不能通过服用抗癫痫药物而得到缓解,需要通过手术的方式进行治疗。致痫灶的精准溯源定位是实施手术治疗成功的关键前提,它决定了手术治疗的方案规划。目前临床上对致痫灶的定位主要是由经
阿尔茨海默病(Alzheimer’s Disease,AD)是一种渐进发展的常在中老年人群中产生的神经退行性疾病。该疾病往往随着认知能力,包括日常活动、决策能力逐渐丧失,同时也有可能会出现行动不便、失语、失用、失认等社会生活能力的衰退,一旦患者确诊为AD,那么将无法治愈。目前,临床上AD诊断主要是医生通过患者的神经影像(如磁共振成像)和多种量表评分(如简易精神状态检查量表、阿尔茨海默病症评估认知分
理解大脑如何分配神经资源对于提高人类行为表现十分重要,如何构成最优处理的神经特征仍然是一个有争议的话题。一个主要的模型是神经效率模型,该模型提出性能的提高应与减少的激活相关联,以反映底层神经回路的效率提高(即执行任务所消耗的能量更少)。成人神经影像学研究表明专项技能训练对大脑神经效率具有积极的影响,目前还没有神经影像学研究对学龄前儿童的神经加工过程进行考查。本研究以双语儿童为例,利用功能性近红外光
自动驾驶技术已经应用于智能汽车、公共交通、快递用车、工业应用等领域,其主要发展方向包括:复杂低速行驶环境(如矿山、建筑工地等)下的辅助驾驶技术和高速行驶速度下的车辆自主驾驶技术。其中,低速自动驾驶车辆具备的轨迹复杂且曲率变化大、运动学特性简单等特点以及高速自动驾驶车辆具备的不确定性、非线性和时变特性等特点,导致车辆动力学的非线性特性显著增强,对系统建模及其算法的自适应和鲁棒性要求进一步提高。自动驾
阿尔茨海默病的早期阶段(即轻度认知障碍)的检测非常重要,因为它可以延缓或阻止其进展为阿尔茨海默病。从医学影像数据推断出的大脑连接网络已普遍用于从正常对照识别轻度认知障碍患者。然而,现有方法大多仍然受到性能的限制,并且这些方法主要是通过仅使用单一模态数据进行分类来开发的。事实上,已经证明多模态数据可以从不同方面反应大脑信息,提供互补信息更有利于疾病的诊断和分类。同时,由于结构和功能脑网络从不同脑连接
核磁共振成像(Magnetic Resonance Imaging,MRI)技术是颅脑常规检查中的必要技术,医生根据经验分析患者MR脑图像进行疾病筛查与诊断。高效率、高准确率的辅助诊断技术给疾病诊断环节带来极大的便利,不仅能够大幅度提升医生的诊断效率,而且对脑肿瘤患者的治愈率和存活率有着重大意义。医学脑肿瘤图像中肿瘤区域与正常区域存在灰度分布差异,表现为图像出现灰度畸变,纹理细节缺失或扭曲等现象,