基于3D-ResNet的阿尔兹海默症分类算法研究

摘要

阿尔兹海默症(AD)是一种不可逆的神经退行性大脑疾病,也是老年人群中最常见的痴呆症.人工分类阿尔兹海默症的核磁共振影像(MRI)存在分类延迟和分类耗时等问题.随着人口老龄化的日趋严重,准确而快速地分类出阿尔兹海默症患者具有重要的研究意义.将卷积神经网络(CNN)技术和核磁共振成像技术相结合,设计了一个3D-ResNet算法用于AD分类,在验证集上取得了98.39％ 的准确性、96.74％ 的敏感性和99.99％ 的特异性,在测试集上取得了97.43％ 的准确性、94.92％ 的敏感性和99·99％ 的特异性,每个患者的分类时间是0.23 s.此外,针对A D的发病机制尚不明确的问题,通过类激活映射(CAM)技术来可视化与AD相关的脑部区域.