期刊专题

10.3969/j.issn.2095-2163.2023.03.012

基于改进ResNet的阿尔兹海默症分类网络

引用
针对阿尔兹海默症(AD)、轻度认知障碍(MCI)和正常人(CN)三阶段人群脑部核磁成像(MRI)难以识别分类的问题,提出了一种基于改进的ResNet的阿尔兹海默症的分类方法.该方法首先将预处理后的数据送入到根据AD的MRI特点设计的通道分离残差模块中,提取并组合低维特征与高维特征.然后,将提取的特征送入通道注意力模块,调整通道之间的权重,得到更加精确的分类特征.最后,将特征矩阵送入线性分类层输出分类结果.在随机划分的数据集上,AD/MCI/CN分类准确率达到了83.54个百分点,AD/CN准确率达到了95.27个百分点,MCI/CN准确率达到了85.07个百分点.证明本文方法对区分AD各个阶段的有效性;在以个体ID为主要划分依据的数据集上,实验结果与基础网络ResNet对比,AD/MCI/CN分类准确率提高了0.7个百分点,AD/CN准确率提高了10个百分点,MCI/CN准确率提高了4个百分点,证明本文对基础网络的改进能有效提高AD分类准确率.同时通过对比有无数据泄露的实验结果,证明正确划分数据集的必要性.

改进ResNet、通道分离残差模块、数据泄露、通道注意力机制、阿尔兹海默症

13

TP751(遥感技术)

成都市重大科技应用示范项目2019-YF09-00120-SN

2023-04-23(万方平台首次上网日期,不代表论文的发表时间)

共9页

69-76,82

暂无封面信息
查看本期封面目录

智能计算机与应用

2095-2163

23-1573/TN

13

2023,13(3)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn