Current Location:home > Detailed Browse

Article Detail

结合DCGAN与LSTM的阿兹海默症分类算法

Abstracts

针对传统的阿兹海默症(Alzheimer’s disease,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(magnetic resonance imaging,MRI)图像分类算法。利用深度卷积生成对抗网络(deep convolutional generative adversarial networks,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;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达到了86.27%的准确率。
Download Comment From cooperative journals:《计算机应用研究》 Hits:10136 Downloads:437
Journal:计算机应用研究
Recommended references: 林颖,何啸峰,陈灵娜,陈俊熹.(2019).结合DCGAN与LSTM的阿兹海默症分类算法.计算机应用研究.[ChinaXiv:201904.00020] (Click&Copy)
Version History
[V1] 2019-04-01 15:47:37 chinaXiv:201904.00020V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO