该模型使用磁共振成像(MRI)的Reset-18模型来检测阿尔茨海默病(AD)。在该模型中,我们提出了一种利用3D CNN中传输学习的方法,这允许从2D图像数据集(想象成)传送到3D图像数据集。为了构建3D Reset-18,2D Reset-18的2D过滤器在第三维中扩展到具有3D滤波器。根据新滤波器调整剩余的层。然后,整个MRI用于培训3D Reset-18,以便每人做一个决定。
我们的结果表明,向3D CNN引入转移,提高了广告检测系统的准确性。这种方法在我们的ADNI数据集中实现了96.88%的准确度,100%的灵敏度和93.75%的特异性。
此文件夹中有一些示例图像。要访问更多图像,您需要将应用程序发送到ADNI(http://adni.loni.usc.edu/data-samples/access-data/)。
在应用MRI数据之前,应使用SPM12工具箱注册MRI扫描到MNI空间。
Ebrahimi,Amir等人。“介绍3D Reset-18在MRI图像上为Alzheimer疾病检测的转移学习。”2020年第35届IMAIT&VISION国际会议新西兰(IVCNZ),IEEE,2020,DOI:10.1109 / IVCNZ51579.2020.9290616。
Ebrahimi,Amir等人。“Alzheimer疾病检测MRI图像的卷积神经网络。”医学成像,VOL。8,不。02,SPIE-INTL SOC光学ENG,4月2021,DOI:10.1117 / 1.JMI.8.2.024503。