声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：韩坤, 潘海为, 张伟, 边晓菲, 陈春伶, 何舒宁
单位：1. 哈尔滨工程大学 计算机科学与技术学院, 哈尔滨 150001;<br>2. 黑龙江大学 现代教育技术中心, 哈尔滨 150001
关键词：Alzheimer病(AD),磁共振影像(MRI),正电子发射型计算机断层显像(PET),图像分类,深度学习,卷积神经网络
基金：潘海为,副教授,
多模态医学影像信息已经在计算机辅助检测和诊断中被广泛地应用。在对Alzheimer病（Alzheimer's disease，AD）的分类与诊断中，结合多个模态医学影像的特征信息能够更加准确且全面地对同一AD主题进行分类与诊断。该文提出了一种基于卷积神经网络的模型结构，分别对AD病患的磁共振图像（MRI）和正电子发射型计算机断层显像（PET）图像进行3D卷积操作来提取各自模态的特征信息，并应用模型融合方法对模态特征信息加以融合，从而得到包含更加丰富的多模态特征信息。最后用全连接神经网络将上述提取的多模态特征信息进行分类预测。通过在AD神经影像学倡议（Alzheimer's disease neuroimaging initiative，ADNI）公开数据集上的实验结果表明：该文所提出的模型在准确率（accuracy，ACC）和曲线下面积（area under the curve，AUC）的性能评价中都取得了更加优越的结果。
来源：2020年第8期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。