用于阿尔兹海默病辅助诊断的多流卷积神经网络

磁共振成像(MRI)是临床诊断中常用的成像技术,可以辅助医生对疾病进行评估和预测,从而能够进行更早的疾病治疗和预防.本文将特征和线性拼接两种融合方法引入到多流卷积神经网络(MSCNN)上,实现了二分类任务(即阿尔兹海默病(AD)和正常队列(NC)).该方法首先对MRI图像进行校订矫正,将图像切割成灰质(GM)、白质(WM)、脑脊液(CSF)三部分再输入模型,这样可以更好地捕获到图像的局部特征.在模型中嵌入两种融合方法,特征融合Fusion()方法对四路卷积进行加权,可以为不同分支流提供不同的权重;线性拼接Cat()方法则可以实现独立卷积.本文提出的MSCNN-Fusion和MSCNN-Cat两种方法在大量受试者中进行了评估实验.实验证明,该方法比其他方法的诊断或分类准确率更高,对AD和NC的分类准确率达到了83％,具有更优良的性能.