欢迎来到360期刊网!
学术期刊
  • 学术期刊
  • 文献
  • 百科
电话
您当前的位置:

首页 > 文献资料 > 正文

基于深度学习的CT脑影像分类方法用于阿尔茨海默病的初步筛查

惠瑞;高小红;田增民

摘要: 目的 本研究旨在探讨卷积神经网络(Convolutional Neural Network,CNN)深度学习在脑CT影像分类中的应用,达到提高影像分类智能化程度的目的,为临床筛查阿尔茨海默病(Alzheimer Disease,AD)提供便利.方法 收集2014~2016年3个类别的脑CT影像资料,其中包含AD、器质性病变(如肿瘤、脑出血等)和正常老年化的受试者的数据.由于本组CT脑图像高度方向(z轴,层厚5 mm)单位长度相对水平方向大的特点,本研究将CT二维轴位CNN图像和三维分割组块进行融合运算分类后对照已有的诊断.结果 AD、器质性病变和正常老年化的分类准确率分别为84.2%、73.9%和88.9%,平均为82.3%.结论 本研究为初筛AD提供了新的方法.

同期刊相关文献推荐

中国医疗设备

统计源期刊 审稿时间:1-3个月 早咨询早发表

360期刊网

专注医学期刊服务15年

  • 您好:请问您咨询什么等级的期刊?专注医学类期刊发表15年口碑企业,为您提供以下服务:

  • 1.医学核心期刊发表-全流程服务
    2.医学SCI期刊-全流程服务
    3.论文投稿服务-快速报价
    4.期刊推荐直至录用,不成功不收费

  • 客服正在输入...

x
立即咨询