基于多模态医学图像的Alzheimer病分类方法

作者：韩坤; 潘海为^*; 张伟; 边晓菲; 陈春伶; 何舒宁

来源：清华大学学报, 2020, 60(08): 664-682.

DOI：10.16511/j.cnki.qhdxxb.2020.25.003

• Alzheimer病(AD)
• 磁共振影像(MRI)
• 正电子发射型计算机断层显像(PET)
• 图像分类
• 深度学习
• 卷积神经网络

多模态医学影像信息已经在计算机辅助检测和诊断中被广泛地应用。在对Alzheimer病(Alzheimer’s disease, AD)的分类与诊断中,结合多个模态医学影像的特征信息能够更加准确且全面地对同一AD主题进行分类与诊断。该文提出了一种基于卷积神经网络的模型结构,分别对AD病患的磁共振图像(MRI)和正电子发射型计算机断层显像(PET)图像进行3D卷积操作来提取各自模态的特征信息,并应用模型融合方法对模态特征信息加以融合,从而得到包含更加丰富的多模态特征信息。最后用全连接神经网络将上述提取的多模态特征信息进行分类预测。通过在AD神经影像学倡议(Alzheimer’s disease neuroimaging initiative, ADNI)公开数据集上的实验结果表明:该文所提出的模型在准确率(accuracy, ACC)和曲线下面积(area under the curve, AUC)的性能评价中都取得了更加优越的结果。

• 单位
  哈尔滨工程大学; 黑龙江大学; 现代教育技术中心