基于深度学习的CT脑影像分类方法用于阿尔茨海默病的初步筛查
摘要：
目的 本研究旨在探讨卷积神经网络(Convolutional Neural Network,CNN)深度学习在脑CT影像分类中的应用,达到提高影像分类智能化程度的目的,为临床筛查阿尔茨海默病(Alzheimer Disease,AD)提供便利.方法 收集2014~2016年3个类别的脑CT影像资料,其中包含AD、器质性病变(如肿瘤、脑出血等)和正常老年化的受试者的数据.由于本组CT脑图像高度方向(z轴,层厚5 mm)单位长度相对水平方向大的特点,本研究将CT二维轴位CNN图像和三维分割组块进行融合运算分类后对照已有的诊断.结果 AD、器质性病变和正常老年化的分类准确率分别为84.2%、73.9%和88.9%,平均为82.3%.结论 本研究为初筛AD提供了新的方法.
-
doi：
-
关键词：
卷积神经网络
图像分类
CT影像
阿尔茨海默病
-
Keyword：
convolutional neural network
image classification
CT image
Alzheimer disease
-
作者：
惠瑞
高小红
田增民
-
Author：
HUI Rui
GAO Xiaohong
TIAN Zengmin
-
作者单位：
-
刊名：
中国医疗设备
-
Journal：
-
年，卷(期)：
-
所属期刊栏目：
-
基金项目
-
在线出版日期：
-
页码：