【摘 要】
：
阿尔茨海默症（Alzheimer’s Disease,AD）是一种不可逆的神经退行性疾病。当AD患者在临床上出现症状时,病情通常已经发展到了晚期,医疗干预无法再对患者产生积极作用。因此利用神经影像技术在病变之前发现患者脑内异常的变化并进行早期干预,对AD的早期防治具有非凡的意义。然而如何有效地利用神经影像技术提高AD诊断的准确率仍然存在较大的问题,为此本文从单模态和多模态两个方面来探讨AD分类中的
论文部分内容阅读
阿尔茨海默症（Alzheimer’s Disease,AD）是一种不可逆的神经退行性疾病。当AD患者在临床上出现症状时,病情通常已经发展到了晚期,医疗干预无法再对患者产生积极作用。因此利用神经影像技术在病变之前发现患者脑内异常的变化并进行早期干预,对AD的早期防治具有非凡的意义。然而如何有效地利用神经影像技术提高AD诊断的准确率仍然存在较大的问题,为此本文从单模态和多模态两个方面来探讨AD分类中的关键技术和应用。本文主要包括以下两方面内容:（1）由于神经影像的类间距离比较小,如何有效预测AD的每一类别仍然存在着一定的考验。为此本文提出了一种基于标签平滑的AD分类网络。标签平滑改进了独热编码的映射方式,将某一类的真实值映射成小于1的真实值。这种方式有效地减少了网络对训练数据的依赖,增加了他对新数据的预测能力。标签平滑通过改进交叉熵损失函数,增加了样本的类间距离,减小了类内距离,进而提高AD诊断的准确率。（2）由于缺乏有效的融合方法,如何利用多模态信息仍然存在较大的挑战。为此本文提出了一种深度多模态融合网络DMFN。DMFN可以选择性地从MRI和PET分支中提取特征并抑制不相关的信息。借助于注意力模型,网络可以根据数据的重要性自动分配每种特征图的融合比例。为了确保多模态融合的有效性,本文采用了多尺度融合的方法。与早期融合和晚期融合不同,多尺度融合方法有助于神经网络学习多模态数据之间的协同作用。与现有的多模态融合算法相比,注意力模型能够专注于感兴趣的区域并有效融合多模态数据。利用注意力模型的层次结构,本文提出的网络能够利用从多模态数据中提取的低层和高层特征,提高AD诊断的准确率。本文从网络结构和损失函数出发,提出了基于多模态融合的AD分类算法,并基于ADNI数据集评估了该算法的性能。实验结果表明,该模型的性能优于本文所对比的算法。在NC/AD,SMCI/PMCI的两分类和四分类的最终分类结果分别为95.21%、89.79%和86.15%。
其他文献
＜正＞为保障实验动物的福利，不断提升动物实验研究水平，并获得国际学术界同行的认可，根据国际和中国实验动物有关法规和标准，在实验动物麻醉方法中，鉴于水合氯醛原属于镇静、催眠及抗惊厥药，作为麻醉剂效果较差，刺激性强、毒副作用较大，存在干扰实验结果，并且有悖实验动物福利伦理审查原则等问题，美国兽医协会（American Veterinary Medical Associaon，简称AVMA）已宣布不允许
随着三维模型检索、3D打印等技术的快速发展,三维模型被广泛应用于互联网、机械加工制造等领域。然而在现实生活中三维模型的获取难度较大,大量的模型数据掌握在设计人员及专业的应用方,这也限制了三维模型的大面积应用。但是,随着视觉采集设备的发展和普及,相对三维模型而言,二维图像更容易获取。因此,如何通过二维图像信息重建或者检索三维模型开始获得越来越多科研人员的关注和精力投入其中。本文着力于解决三维模型特征
点云是雷达扫描所得到的一系列点的坐标的集合。由于点云环境表达精准且包含丰富的三维地理信息,点云目标感知被广泛应用于自动驾驶汽车中准确环境感知任务。近些年来,随着深度学习的不断突破和三维点云数据的可及性,基于神经网络的点云目标感知算法取得了极大发展。利用神经网络从非结构化的点云数据中提取高语义、鲁棒的特征是点云目标感知算法的研究重点。针对现有点云目标感知算法中下采样方法仅利用点云地理信息的问题,本文
＜正＞我国正在进入老龄化社会，老年人中心血管疾病患者人数也在不断增加，给社会和家庭造成的负担越来越严重[1]。研究证明运动能力的下降会使老年人失能的风险增加，降低老年人的生活质量[2]。找到改善老年人心血管功能和运动能力的手段，对预防老年人心血管疾病发生和改善老年人生活质量具有重要意义。目前，运动干预越来越受到研究人员的重点关注，运动干预已经成为治疗老年人心血管疾病的有效方法[3]。研究发现，
音频场景识别旨在用计算机分析音频信号所处的环境信息,具有重要的研究意义。音频场景识别方法对输入的声学特征表示进行特征提取,并利用得到的声学特征分类场景类型。随着大数据技术和高性能处理器的发展,基于深度学习的音频场景识别方法通过监督学习策略,解决了传统方法对高维多分类复杂关系建模的难题。然而,现有的方法在实际应用时仍面临算法针对性不强、训练数据量不足、计算复杂度过高和模型可解释性差等问题。因此,本文
雾天采集到的图像存在对比度下降和色彩偏移等问题,降质图像会严重影响计算机视觉系统的处理性能,图像去雾研究具有重要的理论意义和现实意义。本文深入研究基于深度学习的去雾方法,并针对现有端到端去雾网络存在去雾不彻底、细节模糊以及颜色失真等问题提出两种去雾新方法,主要工作如下:针对现有去雾网络对图像特征提取不完整、网络模型泛化能力不足等问题,本文基于卷积神经网络设计了一种基于内容特征和风格特征融合的去雾网
＜正＞陕西省宝鸡市城市管理执法局以建设法治政府和法治城管为目标，以法治建设反馈问题整改和示范创建为抓手，扎实推进依法行政、文明执法，取得积极成效。2022年，宝鸡市城市管理执法局被宝鸡市司法局评为法治建设优秀单位。深入学习习近平法治思想
3D视频在2D视频的基础上增加了视点数目和深度数据,其数据量要远大于2D视频,给视频的存储和传输带来了巨大的挑战。因此,如何实现高效的3D视频压缩编码具有重要的理论研究意义和实际应用价值。近年来,随着人工智能技术的发展,深度学习在视频处理领域得到了有效应用,为3D视频压缩编码提供了新的发展思路。为了进一步提高3D视频编码效率,本文借助于深度学习技术,利用3D视频的空域、时域和视点域相关性,开展了基
随着三维数据采集、可视化、硬件设备的技术升级以及互联网行业的快速发展,三维模型已经成为一种主流的多媒体方式。如何在大量数据中检索到相似的三维模型已成为一个至关重要的研究课题。通常解决方法分为两类,分别为基于模型的检索算法与基于视图的检索算法。早期的方法主要是基于模型的算法,需要直接从明确的三维模型中学习拓扑结构、骨架信息等。基于视图的算法以不同的视图表示三维模型,并经过若干卷积层、池化层、全连接层