摘要:阿尔茨海默病(Alzheimer's disease,简称为AD)作为位于心脏病、癌症、脑血管病之后的第四位"死亡杀手",在近几年来逐渐引起了大家的重视.对于早期AD病人来说,通过药物治疗,能够有效缓解疾病症状,而对于中晚期AD病人来说,疗效微乎其微,甚至根本就不起作用.所以从这个角度来说,AD的早期预警研究就显得十分重要了.本文通过对卷积神经网络和Caffe深度学习框架的深刻理解,用卷积神经网络实现了基于MRI数据的阿尔茨海默病早期预警.首先从ADNI网站上下载了部分AD和HC(健康人)的磁共振成像(Magnetic Resonance Imaging,简称为MRI),然后通过MRIcron软件进行预处理,得到健康人和患者的脑部MRI切片.在移动GPU上部署好Caffe+Digits可视化深度学习开发环境,建立基于健康人和患者的脑部MRI切片的数据集,包括训练集和测试集.然后选取恰当的参数训练模型,学习健康人和患者的脑部特征.使用事先准备的测试集进行测试,通过输入一张脑部MRI切片来分别预测其是AD患者和健康人的概率.最后通过对模型的深度学习网络、解法器、学习率下降策略和激活函数这四个参数进行优化,得到了较为满意的预测效果,从而实现对AD的早期预警.