| 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 |
|
