文档名：使用深度学习与海马体异构特征融合的阿尔茨海默病分类方法
摘要：阿尔茨海默病(Alzheimer'sDisease,AD)是一种目前尚无有效方法治愈的神经系统退行性疾病,其准确分类有助于在AD早期阶段及时采取针对性治疗和干预措施,从而降低AD发病率和延缓AD疾病进展.本文提出一种使用深度学习和异构特征融合的AD分类新方法.针对大脑中的海马体结构,首先构建三维轻量级多分支注意力网络(Three-DimensionalLightweightMulti-BranchAttentionNet-work,3D-LMBAN)提取海马体深度特征;然后设计结合双树复小波变换(Dual-TreeComplexWaveletTransform,DTCWT)和灰度游程矩阵(Gray-LevelRunLengthMatrix,GLRLM)的三维多尺度纹理特征提取方法提取海马体纹理特征;再使用传统方法提取海马体体积和形状特征;最后构建异构特征融合网络对提取得到的多种海马体特征进行降维表示、拼接和融合,进而实现AD分类.在EADC-ADNI数据集上进行实验,本文提出的AD分类方法的准确率(ACC)为93.39%,F1分数为93.10%,AUC为93.21%.实验结果表明本文提出的AD分类方法是有效的,且其性能优于传统的AD分类方法.
Abstract：Alzheimer'sDisease(AD)isaneurodegenerativediseasethatiscurrentlyincurable.Itsaccurateclassifi-cationisadvantageoustotimelytreatmentandinterventionattheearlystageofAD,soastoreducetheincidencerateofADanddelayitsprogress.Inthispaper,onenovelADclassificationmethodutilizingdeeplearningandheterogeneousfea-turefusionisproposed.Forthehippocampalstructureinthebrain,thethree-dimensionallightweightmulti-branchattentionnetwork(3D-LMBAN)isfirstlyconstructedtoextractthehippocampaldepthfeatures.Next,thethree-dimensionalmulti-scaletexturefeatureextractionmethodcombiningdual-treecomplexwavelettransform(DTCWT)andgray-levelrun-lengthmatrix(GLRLM)isproposedtoextracthippocampaltexturefeatures.Then,thehippocampalvolumeandshapefea-turesareextractedbyconventionalmethods.Finally,thedimension-reductionrepresentation,concatenationandfusionofextractedvarioushippocampalfeaturesareperformedusingtheconstructedheterogeneousfeaturefusionnetwork,andthenADclassificationisrealized.TheproposedADclassificationmethodisevaluatedontheEADC-ADNIdataset.Theaccura-cy(ACC),F1scoreandAUCofproposedADclassificationmethodare93.39%,93.10%and93.21%,respectively.Theex-perimentalresultsshowthattheproposedADclassificationmethodiseffectiveandbetterthanotherconventionalADclas-sificationmethods.
作者：蒲秀娟 刘浩伟 韩亮 任青 罗统军 Author：PUXiu-juan LIUHao-wei HANLiang RENQing LUOTong-jun
作者单位：重庆大学微电子与通信工程学院,重庆400044;生物感知与智能信息处理重庆市重点实验室,重庆400044重庆大学微电子与通信工程学院,重庆400044
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(11)
分类号：TN911.7
关键词：阿尔茨海默病 深度学习 注意力机制 纹理特征 特征融合 海马体
Keywords：Alzheimer'sDisease(AD) deeplearning attentionmechanism texturefeature featurefusion hippo-campus
机标分类号：TP311R741R2
在线出版日期：2024年2月1日
基金项目：使用深度学习与海马体异构特征融合的阿尔茨海默病分类方法[
期刊论文] 电子学报--2023, 51(11)蒲秀娟 刘浩伟 韩亮 任青 罗统军阿尔茨海默病(Alzheimer'sDisease,AD)是一种目前尚无有效方法治愈的神经系统退行性疾病,其准确分类有助于在AD早期阶段及时采取针对性治疗和干预措施,从而降低AD发病率和延缓AD疾病进展.本文提出一种使用深度学习和异...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
使用深度学习与海马体异构特征融合的阿尔茨海默病分类方法 Method on Alzheimer's Disease Classification Utilizing Deep Learning and Hippocampus Heterogeneous Feature Fusion
使用深度学习与海马体异构特征融合的阿尔茨海默病分类方法.pdf
|
|
