發(fā)布時(shí)間：2023-01-05 18:47

　　阿爾茲海默病（Alzheimer Disease,AD）是常見(jiàn)的老年性疾病之一。隨著全球人口老齡化問(wèn)題日益嚴(yán)重,AD的發(fā)病率也不斷上升。輕度認(rèn)知障礙（Mild cognitive Impairment,MCI）是AD的前期表現(xiàn),可劃分為穩(wěn)定型輕度認(rèn)知障礙（sMCI）和轉(zhuǎn)變型輕度認(rèn)知障礙（cMCI）。然而,由于輕度癡呆障礙的癥狀并不明顯,其往往被誤認(rèn)為成正常衰老的表現(xiàn),從而使患者錯(cuò)過(guò)了最佳治療時(shí)期。因此,對(duì)MCI患者以及早期的AD患者的診斷和提前干預(yù),對(duì)于延緩AD的發(fā)展速度具有重要的意義。目前,醫(yī)學(xué)影像技術(shù)已成為人類(lèi)大腦領(lǐng)域研究的主流工具,磁共振成像（Magnetic Resonance Imaging,MRI）可以清晰地反映出大腦內(nèi)部結(jié)構(gòu),對(duì)AD早期診斷和預(yù)測(cè)具有重要作用。本文利用阿爾茲海默病以及輕度癡呆障礙患者的MRI影像數(shù)據(jù)集,通過(guò)深度學(xué)習(xí)訓(xùn)練出用于AD識(shí)別診斷的模型。依據(jù)數(shù)據(jù)的不同維度,本文提出了兩種不同的基于深度神經(jīng)網(wǎng)絡(luò)模型的AD識(shí)別方法,分別是基于3DMRI影像數(shù)據(jù)和基于2DMRI切片數(shù)據(jù)的深度神經(jīng)網(wǎng)絡(luò)方法。在基于3DMRI數(shù)據(jù)的方法中,本文首先對(duì)數(shù)據(jù)集做了進(jìn)一步的預(yù)處理,包... 

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
        1.2.1 基于傳統(tǒng)方法的阿爾茲海默病分類(lèi)研究
        1.2.2 基于深度學(xué)習(xí)方法的阿爾茲海默病分類(lèi)研究
    1.3 本文創(chuàng)新點(diǎn)
    1.4 本文完成的主要工作與安排
2 阿爾茲海默病診斷與深度神經(jīng)網(wǎng)絡(luò)理論知識(shí)
    2.1 阿爾茲海默病臨床診斷方法
        2.1.1 認(rèn)知測(cè)試量表
        2.1.2 醫(yī)學(xué)影像檢查
    2.2 阿爾茲海默病數(shù)據(jù)影像
        2.2.1 數(shù)據(jù)集介紹
        2.2.2 阿爾茲海默病樣本分類(lèi)
        2.2.3 數(shù)據(jù)預(yù)處理
        2.2.4 評(píng)價(jià)指標(biāo)
    2.3 經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.4 深度學(xué)習(xí)中的注意力機(jī)制
        2.4.1 空間注意力機(jī)制
        2.4.2 通道注意力機(jī)制
3 基于3D卷積和注意力機(jī)制的阿爾茲海默病MRI分類(lèi)方法
    3.1 引言
    3.2 阿爾茲海默病MRI數(shù)據(jù)集預(yù)處理及數(shù)據(jù)增廣
        3.2.1 3D圖像預(yù)處理
        3.2.2 3D數(shù)據(jù)增廣
    3.3 3D卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)設(shè)計(jì)
        3.3.1 基于3D卷積的阿爾茲海默病影像數(shù)據(jù)分類(lèi)基本思想
        3.3.2 基于3D卷積的骨干網(wǎng)絡(luò)基本結(jié)構(gòu)搭建
        3.3.3 基于3D卷積的殘差連接網(wǎng)絡(luò)結(jié)構(gòu)搭建
        3.3.4 基于3D卷積的密集連接網(wǎng)絡(luò)結(jié)構(gòu)搭建
    3.4 密集連接注意力機(jī)制
        3.4.1 密集連接注意力模塊設(shè)計(jì)
        3.4.2 密集連接注意力模塊在3D卷積神經(jīng)網(wǎng)絡(luò)中的嵌入
    3.5 實(shí)驗(yàn)細(xì)節(jié)與結(jié)果分析
        3.5.1 實(shí)驗(yàn)環(huán)境
        3.5.2 數(shù)據(jù)集劃分
        3.5.3 訓(xùn)練模型
        3.5.4 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
4 基于卷積核選擇注意力機(jī)制的阿爾茲海默病MRI分類(lèi)方法
    4.1 引言
    4.2 阿爾茲海默病MRI數(shù)據(jù)集預(yù)處理及數(shù)據(jù)增廣
    4.3 復(fù)合卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.3.1 基于雙骨干復(fù)合CNN的阿爾茲海默病影像數(shù)據(jù)分類(lèi)基本思想
        4.3.2 雙骨干復(fù)合卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搭建
    4.4 融合通道注意力機(jī)制的復(fù)合網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.4.1 通道注意力模塊設(shè)計(jì)
        4.4.2 通道注意力模塊在雙骨干復(fù)合網(wǎng)絡(luò)中的嵌入
    4.5 融合卷積核選擇注意力機(jī)制的復(fù)合網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.5.1 卷積核選擇注意力機(jī)制基本思想
        4.5.2 卷積核選擇注意力模塊設(shè)計(jì)
        4.5.3 卷積核選擇注意力模塊在雙骨干復(fù)合網(wǎng)絡(luò)中的嵌入
    4.6 實(shí)驗(yàn)細(xì)節(jié)與結(jié)果分析
        4.6.1 數(shù)據(jù)集劃分
        4.6.2 實(shí)驗(yàn)結(jié)果與分析
    4.7 本章小結(jié)
5 基于CNN和 RNN的阿爾茲海默病MRI分類(lèi)方法
    5.1 引言
    5.2 基于CNN和 RNN的阿爾茲海默病MRI分類(lèi)基本思想
        5.2.1 基于CNN和 RNN的阿爾茲海默病影像數(shù)據(jù)分類(lèi)基本思想
        5.2.2 自注意力機(jī)制
    5.3 實(shí)驗(yàn)細(xì)節(jié)與分析
        5.3.1 數(shù)據(jù)樣本
        5.3.2 預(yù)測(cè)模型
        5.3.3 綜合實(shí)驗(yàn)分析比較
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]計(jì)算精神醫(yī)學(xué):機(jī)器學(xué)習(xí)在精神科的應(yīng)用淺析[J]. 吳曉慧,牛志昂,方新宇,方貽儒.  中華精神科雜志. 2019 (03)
[2]機(jī)器學(xué)習(xí)算法在醫(yī)療領(lǐng)域中的應(yīng)用[J]. 蘭欣,衛(wèi)榮,蔡宏偉,郭佑民,侯夢(mèng)薇,邢磊,那天,陸亮.  醫(yī)療衛(wèi)生裝備. 2019(03)
[3]醫(yī)療人工智能的發(fā)展與挑戰(zhàn)[J]. 孟曉宇,王忠民,景慎旗,朱甬倩,王劍,戴作雷,單紅偉,唐明明,劉云.  中國(guó)數(shù)字醫(yī)學(xué). 2019(03)
[4]磁共振成像技術(shù)在阿爾茨海默病診斷中的研究進(jìn)展[J]. 王瀲漪.  科學(xué)咨詢（科技·管理）. 2018(02)
[5]基于深度學(xué)習(xí)的醫(yī)學(xué)影像診斷綜述[J]. 張巧麗,趙地,遲學(xué)斌.  計(jì)算機(jī)科學(xué). 2017(S2)
[6]2015～2100年中國(guó)人口與老齡化變動(dòng)趨勢(shì)[J]. 翟振武,陳佳鞠,李龍.  人口研究. 2017(04)
[7]淺談機(jī)器學(xué)習(xí)在醫(yī)學(xué)大數(shù)據(jù)中的應(yīng)用[J]. 司家瑞.  科技展望. 2016(23)
[8]阿爾茲海默病發(fā)病原因及機(jī)制的研究進(jìn)展[J]. 宋昕,洪羽蓉,胡秋瑩.  臨床和實(shí)驗(yàn)醫(yī)學(xué)雜志. 2015(10)
[9]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[10]人工智能在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J]. 楊琴,陳家榮.  科技風(fēng). 2012(12)

博士論文
[1]神經(jīng)影像學(xué)對(duì)老年性認(rèn)知障礙的診斷價(jià)值[D]. 馮妍.吉林大學(xué) 2012



本文編號(hào)：3727965