阿尔茨海默氏病(AD)是痴呆症的最常见形式,是一种无法治愈的神经系统疾病,会导致进行性精神恶化。 尽管对AD进行明确诊断很困难,但在实践中,AD诊断主要基于临床病史和神经心理学数据,包括磁资源成像(MRI)。 近年来,有关将机器学习应用于AD识别的研究越来越多。 本文介绍了我们对这一进展的最新贡献。 它描述了一种基于3D脑MRI深度学习的自动AD识别算法。 该算法使用卷积神经网络(CNN)来实现AD识别。 独特之处在于,大脑的三维拓扑在AD识别中被视为一个整体,从而可以进行准确的识别。 本研究中使用的CNN包括三组连续的处理层,两个完全连接的层和一个分类层。 在该结构中,三组中的每一个都由三层组成,包括卷积层,池化层和归一化层。 使用来自阿尔茨海默氏病神经成像计划的MRI数据对算法进行了训练和测试。 使用的数据包括约47位AD患者和34位正常对照的MRI扫描。 实验表明,该算法具有较高的AD识别精度,灵敏度为1,特异性为0.93。
1