基于改进的3D CNN网络的阿尔茨海默病分类方法

摘要

本发明公开了一种基于改进的3D CNN网络的阿尔茨海默病分类方法，该方法基于3D核磁共振数据进行训练，实现精确的脑疾病分类。该方法主要包括如下步骤：1）使用3D CNN建模：使用3D CNN替换VGG网络中的2D CNN部分；2）优化模型结构：先在模型中添加批量归一化层，再引入跳跃连接；3）实验数据处理：预处理实验数据，并划分训练集和验证集；4）模型训练：将数据输入模型，训练网络参数，并保留最优模型；5）模型测试与评估：在测试集上测试，并评估分类性能。本发明首次提出了在3D VGG模型中引入多个跳跃连接用于阿尔兹海默症诊断，性能优于现有方法，具有通用性强、鲁棒性高等优点。