|
20.
阿尔茨海默症的多模态分类方法
李伟汉, 侯北平, 胡飞阳, 朱必宏
应用科学学报
2023, 41 (6):
1004-1018.
DOI: 10.3969/j.issn.0255-8297.2023.06.008
目前在阿尔茨海默病(Alzheimer’s disease,AD)、早期轻度认知障碍患者(early mild cognitive impairment,EMCI)和正常人(normal control,NC)的分级诊断中存在着EMCI识别困难、多分类识别率低的问题。针对上述难点,提出一种脑区域特征选取方法,设计了融合残差网络的多模态AD分类模型。首先对三类脑核磁共振影像进行配准;然后采用贝叶斯方法和高斯混合模型分割脑组织,获得灰质信息进行组间差异性分析,确定脑图像选取区域;最后将脑图像与生物标志物一起输入分类模型。实验表明:与传统方法相比,本方法脑图像分类准确率提高5%以上,融合生物标志物和脑图像的多模态分类中AD&NC、AD&EMCI、AD&EMCI&NC分类准确率分别为95.5%、93.5%、86.3%,均高于任意单模态网络,验证了本方法的有效性。
参考文献 |
相关文章 |
多维度评价 |
评论(0)
|
|