迁移学习特征提取的rs-fMRI早期轻度认知障碍分类

作者：孔伶旭; 吴海锋^*; 曾玉; 陆小玲; 罗金玲

来源：智能系统学报, 2021, 16(04): 662-672.

• 轻度认知障碍
• rs-fMRI
• 迁移学习
• 阿尔茨海默症
• MobileNet
• 深度学习
• 机器学习
• 兴趣区

早期轻度认知障碍(early mild cognitive impairment, EMCI)是阿尔兹海默症(Alzheimer’s disease,AD)发生前的必经阶段,EMCI的准确诊断对AD早期预防和治疗都具有积极作用。通过静息态功能性磁共振成像(rest-state functional magnetic resonance imaging,rs-fMRI)来诊断EMCI的深度学习方法性能主要依赖如何提取特征值,而传统提取方法存在特征信息易损失和训练网络时间过长等问题。针对该问题,本文采用迁移学习的特征提取方法来对EMCI分类,首先从rs-fMRI中提取兴趣区(region of interest, ROI)时间序列,以此完成源数据的降维,然后利用MobileNet迁移网络从ROI中提取瓶颈特征,最后将该特征输入到设计的分类顶层网络以得到最后分类结果。在实验中,采用阿尔茨海默病神经影像学数据库(Alzheimer’s disease neuroimaging initiative,ADNI)的数据进行测试,实验结果表明,本文的方法比传统方法的分类精度提高了约10%,而分类时间大约只有传统方法的25%。

• 单位
  云南民族大学