隨著人口老齡化問(wèn)題日益嚴(yán)峻,關(guān)于老年癡呆的研究越來(lái)越重要。阿爾茲海默病是一種最常見(jiàn)且無(wú)法治愈的癡呆癥,因而將阿爾茲海默病患者與正常人或其他癡呆癥患者正確區(qū)分顯得尤為重要。近年來(lái),深度學(xué)習(xí)的快速發(fā)展為阿爾茲海默病分類(lèi)的研究指出了一個(gè)新的方向。本文主要使用ADNI數(shù)據(jù)集的磁共振成像(MRI)數(shù)據(jù),從以下三個(gè)方面進(jìn)行基于深度學(xué)習(xí)的阿爾茲海默病分類(lèi)研究:1.基于深度度量學(xué)習(xí)和MRI圖像的阿爾茲海默病分類(lèi)。度量學(xué)習(xí)的目的是學(xué)習(xí)一種映射規(guī)則,將同類(lèi)樣本映射得更近、不同類(lèi)樣本映射得更遠(yuǎn)。這迫使映射后的特征更具分辨力;而對(duì)于分類(lèi)模型而言,更具分辨力的特征能加快模型收斂,并對(duì)模型分類(lèi)的效果有一定的提升。本文采用3D卷積神經(jīng)網(wǎng)絡(luò)模型,因其參數(shù)量巨大而收斂緩慢。本文將度量學(xué)習(xí)正則項(xiàng)添加到深度學(xué)習(xí)模型的損失函數(shù)中,使模型的特征空間更具分辨力,從而加快其收斂速度,提高其分類(lèi)性能。2.基于注意力機(jī)制和MRI圖像的阿爾茲海默病分類(lèi)。注意力機(jī)制借鑒大腦處理視覺(jué)信號(hào)的模式,針對(duì)不同樣本篩選并關(guān)注其對(duì)于目標(biāo)任務(wù)的感興趣區(qū)域。阿爾茲海默病病灶區(qū)域在不同患者間有一定差異,表現(xiàn)在MRI圖像上的不同位置。本文考慮到注意力機(jī)制能通...

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 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)方法研究
        1.2.2 基于深度學(xué)習(xí)的阿爾茲海默病分類(lèi)方法研究
    1.3 本文研究?jī)?nèi)容和組織結(jié)構(gòu)
第二章 阿爾茲海默病分類(lèi)和深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
    2.1 引言
    2.2 阿爾茲海默病分類(lèi)
        2.2.1 數(shù)據(jù)介紹
        2.2.2 評(píng)價(jià)指標(biāo)
    2.3 深度神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)基本單元
        2.3.2 損失函數(shù)
    2.4 基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分析
    2.5 本章小結(jié)
第三章 基于深度度量學(xué)習(xí)和MRI圖像的阿爾茲海默病分類(lèi)
    3.1 引言
    3.2 度量學(xué)習(xí)
        3.2.1 分類(lèi)與度量學(xué)習(xí)
        3.2.2 深度度量學(xué)習(xí)
    3.3 模型網(wǎng)絡(luò)結(jié)構(gòu)
    3.4 構(gòu)建深度度量學(xué)習(xí)損失函數(shù)
    3.5 基于深度度量學(xué)習(xí)和MRI圖像的阿爾茲海默病分類(lèi)
        3.5.1 數(shù)據(jù)預(yù)處理
        3.5.2 模型預(yù)訓(xùn)練
        3.5.3 實(shí)驗(yàn)及分析
    3.6 本章小結(jié)
第四章 基于注意力機(jī)制和MRI圖像的阿爾茲海默病分類(lèi)
    4.1 引言
    4.2 注意力機(jī)制
        4.2.1 空間域注意力機(jī)制
        4.2.2 通道域注意力機(jī)制
        4.2.3 混合域注意力機(jī)制
    4.3 構(gòu)建基于注意力機(jī)制的模型結(jié)構(gòu)
        4.3.1 總體模型結(jié)構(gòu)
        4.3.2 注意力模塊
        4.3.3 注意力模塊的嵌入方式
    4.4 實(shí)驗(yàn)及分析
        4.4.1 實(shí)驗(yàn)參數(shù)分析
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 基于多任務(wù)學(xué)習(xí)和MRI圖像的阿爾茲海默病分類(lèi)
    5.1 引言
    5.2 多任務(wù)學(xué)習(xí)
        5.2.1 多任務(wù)學(xué)習(xí)機(jī)制
        5.2.2 深度學(xué)習(xí)中的多任務(wù)學(xué)習(xí)
    5.3 基于多任務(wù)學(xué)習(xí)的阿爾茲海默病分類(lèi)子任務(wù)
        5.3.1 阿爾茲海默病分類(lèi)
        5.3.2 臨床癡呆評(píng)定量表評(píng)分回歸
        5.3.3 簡(jiǎn)易智力狀態(tài)檢查表得分回歸
        5.3.4 構(gòu)建多任務(wù)學(xué)習(xí)損失函數(shù)
    5.4 基于多任務(wù)學(xué)習(xí)和MRI圖像的阿爾茲海默病分類(lèi)
        5.4.1 算法框架
        5.4.2 模型網(wǎng)絡(luò)結(jié)構(gòu)
        5.4.3 實(shí)驗(yàn)及分析
    5.5 本文方法與其他方法比較
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作內(nèi)容總結(jié)
    6.2 未來(lái)展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：3848390