论文部分内容阅读
阿尔茨海默症(Alzheimer disease,AD),亦称老年性痴呆,是一种高发于老年人且不易被察觉的慢性神经系统退行性疾病。阿尔茨海默症的病情发展一般分为主观认知功能障碍(subjective cognitive impairment,SCI)、轻度认知功能障碍(mild cognitive impairment,MCI)和AD等3个主要阶段。其中,SCI是正常老年人的脑老化阶段,但未达病理程度。MCI为发生在AD临床前期的一种综合症,同时也是AD发病的早期信号。由于阿尔茨海默症发病缓慢且目前仍无法被完全治愈,因此在实际的临床应用中,早期发现并正确区分出MCI和AD人群,给予他们有效的干预治疗,对于预防或延缓阿尔茨海默症的发生具有重要的意义。在AD的临床诊断中,医生首先会根据患者的个人信息、病史和神经心理学评估等基本信息数据初步判定患者的患病情况,接着根据多种痴呆评定量表结果进一步评估患者AD的严重程度,最后基于患者的临床表现、基因检查数据、影像学检查数据等辅助确诊AD的类型(MCI或AD)。由此可见,要确诊患者是否患有AD,需要医生根据临床经验对大量的医疗病理数据进行分析,如果能使用人工智能技术来辅助诊断,那么对于AD诊断的效率和准确度的提升都会有所帮助。本文基于深度学习技术对阿尔茨海默症的临床分类诊断进行研究,分别提出了基于MRI影像表现文本报告的阿尔茨海默症临床分类模型和基于多次AD临床检查数据的阿尔茨海默症病情发展预测模型,设计实现了基于这些模型的阿尔茨海默症临床医疗辅助诊断系统。本文主要的研究内容包括以下三部分:首先,本文提出了一种基于MRI影像表现文本报告的阿尔茨海默症临床分类诊断方法。该方法利用某三甲医院的AD患者MRI影像表现文本报告作为训练数据,通过分层双向长短期记忆网络(Hierarchical Bi-directional Long Short-Term Memory,分层BI-LSTM)和注意力机制Attention的组合构建了分类模型,实现了对阿尔茨海默症的临床分类诊断。其次,本文提出了一种基于多次AD临床检查数据的阿尔茨海默症病情发展预测方法。该方法利用ADNI公共数据集(The Alzheimer’s Disease Neuroimaging Initiative,ADNI)的数据,将患者一年内至少三次的AD临床检查数据作为输入数据,其中有患者的基本信息数据(包括年龄、性别、教育程度、人种、婚姻情况等)、基因信息数据、神经心理学检查数据、计算机断层扫描数据以及分子生物学数据等25个特征数据,然后使用双向LSTM加上Attention机制构建模型,预测一年后患者的阿尔茨海默症病情发展趋势。最后,本文设计并实现了一个基于深度学习的阿尔茨海默症临床医疗辅助诊断系统。该系统以阿尔茨海默症的病情诊断分类模型和病情发展预测模型为核心,实现了基于患者MRI影像表现文本报告的疾病分类诊断和基于患者多次AD临床检查数据的病情发展预测,为医生的辅助诊断提供了决策帮助。