结合DCGAN与LSTM的阿兹海默症分类算法 |
| |
引用本文: | 林颖,何啸峰,陈灵娜.结合DCGAN与LSTM的阿兹海默症分类算法[J].计算机应用研究,2020,37(5):1574-1577. |
| |
作者姓名: | 林颖 何啸峰 陈灵娜 |
| |
作者单位: | 南华大学计算机学院,湖南 衡阳 421001;南华大学计算机学院,湖南 衡阳 421001;中南大学 湘雅公共卫生学院,长沙410008;南华大学南华附属医院,湖南 衡阳 421001 |
| |
基金项目: | 国家自然科学基金;湖南省研究生科研创新项目 |
| |
摘 要: | 针对传统的阿兹海默症(AD)分类3D模型参数过多以及2D模型缺乏连续性特征的问题,提出了一种结合2D卷积神经网络与长短时记忆网络的脑部核磁共振成像(MRI)图像分类算法。利用深度卷积生成对抗网络(DCGAN),卷积层能够在无标签的情况下自动提取到图像特征。首先以无监督的方式训练卷积神经网络;然后将MRI图像序列转换为特征序列,再输入到长短时记忆网络进行训练;最后结合特征序列与LSTM的隐藏状态进行分类。实验结果显示,相比3D模型,该算法有着更少的参数,对于NC与AD的分类达到了93.93%的准确率,对于NC与MCI的分类达到了86.27%的准确率。
|
关 键 词: | 阿兹海默症 深度卷积生成对抗网络 长短时记忆 无监督 |
收稿时间: | 2018/10/30 0:00:00 |
修稿时间: | 2018/12/24 0:00:00 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|