【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,俗称老年痴呆,患者群体主要是老年人。轻度认知障碍(Mild Cognitive Impairment,MCI)是阿尔茨海默症患者早期的病理状态。传统的诊断方法对医生要求较高,误诊率也相对较高,易导致患者错过最佳治疗时间,及时准确地诊断对缓解AD和MCI患者病情具有重要的临床意义。磁共振成像(Magnetic
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,俗称老年痴呆,患者群体主要是老年人。轻度认知障碍(Mild Cognitive Impairment,MCI)是阿尔茨海默症患者早期的病理状态。传统的诊断方法对医生要求较高,误诊率也相对较高,易导致患者错过最佳治疗时间,及时准确地诊断对缓解AD和MCI患者病情具有重要的临床意义。磁共振成像(Magnetic Resonance Imaging,MRI)技术对脑部结构变化具备较强的成像能力,深度迁移学习的飞速发展为AD分类指明了新的方向。本文通过深度迁移学习与MRI图像对AD、MCI和正常人(Normal Control,NC)进行准确地分类。主要工作如下:1.随机白块数据增强(Random White Square,RS)算法与基于深度迁移学习的MRI图像AD分类方法针对目前基于深度学习的AD分类模型较为复杂的问题,本文以轻量化网络Mobilenet V2为基础设计网络模型,在保证较高分类准确性的同时,以较少参数量与计算量完成了分类任务。针对深度学习模型需要大量数据训练与患者图像较难获取的问题,本文提出RS算法,将2DMRI图像局部特征遮挡,扩增数据集,并与提出的两种深度迁移学习分类模型TLV2(Transfer Learning MobileNetV2,TLV2)、TLV2C(TLV2Classifier,TLV2C)结合。其中,TLV2是MobileNetV2在Image Net数据集训练之后,固定浅层网络,初始化深层网络,重新在MRI数据集下训练得到的。TLV2C在TLV2的基础上重新设计了分类器。实验结果表明,本文提出的RS算法结合TLV2、TLV2C深度迁移学习模型,解决了MRI数据不充足的问题,同时在一定程度上解决了MCI患者特征较难提取与学习的问题。最终TLV2在ADvs.NC与MCIvs.NC的分类任务中取得的准确率分别是88.12%,76.51%。TLV2C取得的准确率分别是90.25%,78.92%。2.基于注意力机制与深度迁移学习模型的MRI图像AD分类方法针对MRI图像上存在的不相关信息对分类造成干扰且MCI特征不易提取的问题。本文提出了一个双通道注意力模块,引导网络聚焦于分类任务相关的特征区域,在TLV2C的基础上,搭建了一个基于双通道注意力机制和TLV2C(TLV2C Dual Attention Net,V2AN)的AD分类模型。同时在双通道注意力模块的基础上,提出了一个空洞卷积—空间金字塔池化(Dilated Convolution-Spatial Pyramid Pooling,DC-SPP)双通道注意力模块,搭建了DC-SPP双通道注意力机制的AD分类模型(DC-SPP V2AN),通过空洞卷积与空间金字塔,网络可以输出特征表达能力更优的特征图。最终在ADvs.NC与MCIvs.NC的分类任务中,V2AN取得的准确率分别是92.49%,80.27%。DC-SPP V2AN取得的准确率分别是93.58%,82.04%。本文提出了RS算法和多种基于深度迁移学习的AD分类模型。通过大量实验,分析对比了不同数据扩增算法与网络结构对AD分类的影响,并与其他文献中的方法进行对比,验证了本文方法的有效性与进步性。
其他文献
运动想象脑电信号由被试者想象肢体运动产生。基于运动想象的脑机接口技术被认为是最具有发展前景的技术之一,它在医疗康复、家居生活、游戏娱乐等方面都有广泛应用。运动想象脑电信号的分析解码是脑机接口技术的核心。但是脑电信号具有低信噪比、非周期性、非平稳性、个体差异性大等问题,导致了运动想象脑电信号解码困难。具体表现为用于分析运动想象脑电信号的模型难以充分学习到其有效特征,模型泛化能力差。本文基于深度学习的
结直肠癌肝转移疾病是影响结直肠癌患者治疗和预后的主要原因,大约有一半的结直肠癌患者会发生肝转移。因此,如何更准确地鉴别出肝转移病灶和更早的预测出肝转移风险是非常重要的。然而,临床医师目前主要是凭借多年的临床经验,通过常规的影像对疾病进行定性评估,还达不到精准医疗的效果。近年来,随着影像组学技术的不断发展,很多研究学者对肿瘤疾病的鉴别和预测有了新的思路。本文在研究结直肠癌肝转移病灶鉴别困难问题上,给
孤独症谱系障碍(Autism Spectrum Disorder,ASD)是一种神经发展障碍性疾病,目前其发病原因还不明确,至今仍然没有有效的诊断手段和治疗方法。ASD患者在社交和行为等方面异于常人,康复训练费用昂贵,严重影响了患者及其家庭生活质量,同时对社会和国家造成了负担。ASD的早期诊断可以使病情在发展初期得到有效干预,因此寻找一种客观的诊断方法有着重要的现实意义。随着医学影像的发展,研究人
据统计,目前心血管疾病是我国城乡居民致死率最高的疾病,并且近年来患病率持续上升。心血管疾病的发病具有隐秘性和突发性的特点,因此对心血管疾病及时预警显得尤为重要。心室的复极过程反映在心电图上即T波,当心室复极过程出现异常时,心电图T波会相应的发生形态改变,因此监测T波的形态变化可以提早发现心脏的病变。但心电图连续监测所获得的心电信号数据量庞大,医生的诊断任务会相当繁重。因此,为了辅助医生阅读心电图,
窄带物联网(Narrow Band Internet of Things,NB-IoT)依靠其广覆盖、低功耗、低成本、大连接等优势,成为被广泛应用的物联网技术。小区搜索作为NB-IoT下行接收机中的关键过程,是终端和基站进行通信的保障。小区搜索需要检测两种同步信号,而NB-IoT和传统的LTE(Long Term Evolution,长期演进)相比,两种同步信号的结构和功能都不同,同时NB-IoT
脑肿瘤分割对于脑肿瘤放射治疗计划的制定和疗效评估具有重大意义。由于脑肿瘤的大小、形状各不相同并且位置难以确定,常用的手动分割方法耗时耗力,分割结果也会受到专家个人经验的主观影响。卷积神经网络(Convolutional Neural Network,CNN)中的U-Net网络使用编解码结构,并且在编码结构与解码结构的同一层使用了跳跃连接,可以将编码部分与解码部分的特征融合,常被用于脑肿瘤图像的分割
随着互联网和电子信息产业的不断发展和进步,互联网逐渐成为人们获取信息的主要手段,人们能够获取的信息量剧增,随之产生信息过载问题,解决信息过载的一个有效手段是推荐系统。推荐系统的核心是推荐算法,其中协同过滤推荐算法深受瞩目,它通过分析用户的历史评分信息为用户进行个性化推荐。但是该方法仍存在数据稀疏性问题和冷启动问题,导致推荐系统的准确度不高。因此针对协同过滤的局限性,本文尝试加入辅助信息,做出了以下
我国作为世界人口第一大国,截至2021年年末,我国受到视力障碍影响的人数已多达1700余万,视力的受损甚至丧失使他们的正常出行受到了严重的影响。为了解决视力障碍者出行不便的问题,研究人员设计出了各种导盲设备。但是现有的一些导盲设备普遍以检测道路水平面以上的正障碍物为主,却往往忽略了视力障碍者出行时对他们威胁更大的坑洞等水平面以下的负障碍,同时这些导盲设备普遍存在功能不全,无法实时预警,携带不便等问
忆阻器因具有存储大量信息和模拟神经突触功能的特性,已成为一种受到广泛关注的纳米级器件。然而,忆阻器还存在一些不足:一方面,忆阻器中导电细丝的随机形成导致器件参数分布具有一定弥散性,增加了误读可能性,因此优化忆阻器性能是其发展过程的一项重要任务。另一方面,在忆阻器功能层中掺杂金属量子点是提高器件性能的可行方法,但是金属量子点会发生聚集现象,不利于器件的稳定,解决金属聚集问题也是提高器件性能的有效方式
由于传统的冯·诺依曼计算机中的计算和存储是分离的,因此数据的访问和处理需要更多的能量和时间。忆阻器(Memristor)作为一种新型的存储器件,能够解决上述冯·诺依曼的瓶颈问题,它能够模拟人脑兼具存储和计算的功能,其应用前景不可估量。然而,传统的忆阻器存在着开关电压分布离散,不稳定和与CMOS不兼容等问题。经研究发现铁电忆阻器和基于量子点材料的忆阻器可有效改善上述问题。一方面,在外加电场的调控下,