基于Faster RCNN算法的阿尔兹海默症分类研究

摘要

针对阿尔兹海默症通常会导致海马体区域萎缩的现象,提出一种应用于磁共振图像海马体区域的Faster RCNN目标分类框架。该框架首先使用密集连接的特征金字塔网络提取多尺度特征,然后通过CURE聚类算法优化锚框尺寸,最后调整非极大值抑制算法阈值提高模型的分类精度。测试数据来自ADNI数据库中210位阿尔兹海默症患者和208位正常受试者的脑部磁共振图像。实验结果表明,利用Faster RCNN算法在阿尔兹海默症患者和正常受试者数据集上获得的分类准确率为96.90%,与现有的算法相比,提出的Faster RCNN算法的分类准确率得到显著提升。