基于深度学习的阿尔兹海默症识别方法研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:heidaruanjiande1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着老龄化人口的增多,阿尔兹海默症(Alzheimer’s Disease, AD)带来的社会问题也日益凸显。作为一种现阶段无法治愈的疾病,如何尽早地对患者进行识别以便进行早期干预减缓病程成为一项具有重要意义的研究工作。深度学习方法的兴起为AD识别方法的研究注入了新的活力,本文对基于深度学习的AD识别方法进行了探索和研究,主要研究内容包括:
  现有基于功能磁共振影像的AD识别都是先将四维功能磁共振影像数据转换为功能脑网络或将其切片降维,再对其进行模式识别,导致了不同程度的信息损失。我们提出了一种针对四维影像的端到端深度学习模型三维卷积长短时记忆网络模型,通过改进三维卷积神经网络的结构同时引入长短时记忆网络,使该模型能够直接从四维功能磁共振数据中同时抽取其包含的空间和时变信息。实验结果显示,三维卷积长短时记忆网络模型可以有效处理四维fMRI影像,与传统的基于脑网络建模或切片降维的AD识别方法相比具有明显优势,特别在AD辅助诊断问题中的难点——轻度认知障碍的识别上,三维卷积长短时记忆网络模型性能尤其突出,这对于AD早期诊断非常重要。
  针对AD磁共振影像数据集较小而一般深度学习又需要较大数据量以增强模型泛化性这一矛盾问题,我们提出了一种参数高效的深度学习模型,以C3D神经网络为基础,构建双通路,同时处理包括磁共振影像与临床诊断数据的多模态输入数据,以增大训练数据的有效信息量;同时,通过在网络中构建残差结构,引入三维可分离卷积及全局池化层,使得网络参数量相比传统的C3D模型得到了跨数量级的减少,降低了模型过拟合风险。实验结果显示,参数高效深度学习模型有效提高了AD识别的准确率。
  磁共振影像等高维医学图像虽然包含信息丰富,但也存在尺寸大、冗余信息多的问题;同时,AD虽然是一种全脑泛化性病变疾病,但其个体间又存在皮层局部病变区域不同、病变程度不同的病理学特点。因此,本文以多模态数据参数高效模型为基础,提出了一种基于非局部注意力机制的深度学习模型,既可兼顾大脑全局泛化性改变,又能针对不同被试的神经影像自动寻找并关注其相关重点区域,实验结果验证了注意力机制在AD识别研究中的有效性和积极作用。
其他文献
学位
随着5G和物联网的全面推进,对互联枢纽——天线的辐射特性有了越来越高的要求。3D打印技术的商业化应用与新材料的不断涌现使得天线的设计有了更多的可能性。在这样的背景下,非均匀压缩天线是一个非常有价值的研究方向。通过非均匀压缩,控制天线上的电流分布(如幅度比例、相位等)以及天线近邻的电磁场分布,可以实现对天线的小型化、增益强化、波束赋形、阻抗改善或模式增加等功能,同时也赋予了天线设计更多的自由度。本文
半导体光催化技术已被广泛应用于环境污染物的降解,转化和矿化,以及太阳能的转换利用。科学界普遍认为光催化是解决环境污染和能源短缺问题的有效方法。在本论文中,研究了两种新型可见光响应型催化剂,分别是铁电材料钛酸铋(Bi4Ti3O12)和非金属有机半导体石墨相氮化碳(g-C3N4)。由于钛酸铋和石墨相氮化碳固有的局限性,对太阳光的吸收能力有限,并且光生载流子的复合率高,因此可见光下催化性能较差。本论文从
学位
差分吸收激光雷达技术是远程微量气体探测的先进遥感技术。该类探测系统在大气环境监测和特定目标监测等方面具有广阔的应用前景。对于该类探测系统的研究,国外已经研制出部分实用的探测系统,而我国目前窄吸收谱线气体探测主要还处在探索阶段。根据应用的迫切需求,本文开展了相关理论和实验研究工作。  根据国外理论和实验研究的成果,对于CO2这类光谱吸收线非常窄的气体,对应的差分吸收激光雷达探测系统,激光稳频技术是最
本论文针对应用于无线传感器网络节点接收机的流水线模数转换器(ADC),重点研究了流水线ADC的电路设计技术和低功耗设计方法,使用0.18μm混合信号CMOS工艺设计并实现了两款1.8V40MS/s的中等精度流水线ADC。  在系统设计方面,首先对流水线ADC的非理想误差来源进行了全面的理论分析,讨论了各种非理想误差对流水线ADC性能的影响,推导了满足精度和速度要求的电路设计指标和采样电容值。接着建
随着无人机和并行计算等技术的发展,基于图像的三维重建在众多领域都有着相关应用。纹理映射对于提高三维模型的真实感有着重要意义,是三维重建的关键问题之一。为优化纹理映射在大规模场景下的性能,基于凸优化方法提出了高并行度的视图选择算法,提高了纹理映射算法的计算效率;利用形变信息抑制扭曲纹理生成,并实现了对三维模型的快速自适应分块,进一步拓展了纹理映射在大规模场景下的实用性;联合图像与三维模型的信息,优化
学位
自20世纪50年代开始,光电成像末制导武器由于其高效费比,大量应用于战场。为有效保护目标,烟幕干扰技术作为一种重要的光电对抗手段被广泛投入使用。烟幕干扰严重影响了红外图像目标识别算法的性能和红外末制导武器的打击效果。相较于空中目标和海面目标,地面目标背景更为复杂,对抗烟幕干扰的难度也更大。如何在烟幕干扰条件下有效地提高地面目标识别算法的性能是亟待解决的问题。论文针对该问题,在红外烟幕干扰图像特性、
图像协同分割任务旨在从一组图像中分割出它们共同包含的目标,这对帮助研究者从海量网络图像中获取感兴趣的物体具有很大的益处,是当前人工智能研究热点之一。尽管关于协同分割的研究已经有较长的历史,但基于深度学习的研究仍存在很多需要深入探讨的问题。当前基于深度学习的协同分割模型利用孪生网络结构提取一对图像的语义特征,再对语义特征执行特征对比,并基于对比后的特征解析共同目标所在的区域。虽然当前的模型的性能相较
学位
眨眼作为人体的一个典型动作,预示着个体当前的生理和心理状态信息。近些年来,人们逐渐发现眨眼检测可以广泛应用于日常生活中的众多领域,诸如活体检测领域里的行为活体确认,医疗领域的干眼症恢复,刑侦领域的测谎以及辅助驾驶领域的疲劳检测。因此,近十年诞生了大量眨眼检测相关的工作,也取得了较为可喜的结果。但是,目前的方法大多数集中于在特定受约束的数据集上,进行眨眼检测,这与现实生活中的非受限情况相距甚远。因此
学位
随着人工智能时代的到来,越来越多的机器人融入到生产过程中。它们将人类从繁重和重复的劳动中解放出来。随着机器人数量的增加和生产柔性需求的提升,机器人将面对更大的碰撞风险和运动规划的运算压力。  论文以流水线物流分拣堆码为场景,以两个六自由度机械臂为研究对象,使用基于概率采样的随机路标法,设计了多自由度机器人实时运动规划系统。对于码垛形成的障碍物,论文设计了静态码垛碰撞检测加速器,通过改进基于空间分割