一个新的CNN架构,用于准确的早期检测和阿尔茨海默病的分类,使用MRI数据
A M El-Assy1, Hanan M Amer2, H M Ibrahim3
1Electronics and Communications Engineering Department, Faculty of Engineering, Mansoura University, Mansoura, Egypt. ayah_elassy@mans.edu.eg.
Scientific reports
|February 11, 2024
概括
这项研究引入了一种新的卷积神经网络 (CNN),用于使用MRI扫描诊断阿尔茨海默病 (AD). 人工智能模型在分类AD亚型方面达到99%以上的准确性,有助于早期检测和治疗.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,需要准确的诊断方法来有效管理患者.
- 目前的诊断方法可能是侵入性的,或者缺乏早期检测和亚型化所需的精度.
研究的目的:
- 开发和验证一种新的卷积神经网络 (CNN) 架构,用于使用磁共振成像 (MRI) 数据对阿尔茨海默病进行分类.
- 评估CNN在不同分类方案中对AD的多类分类中的表现.
主要方法:
- 使用了阿尔茨海默病神经成像计划 (ADNI) 数据集,包括MRI扫描.
- 设计了一个CNN架构,其中有两个不同的模型,具有不同的过器和聚合层,连接起来进行分类.
- 实施了三,四和五个AD类别的多类分类.
主要成果:
- 拟议的CNN架构实现了高分类准确率:99.43% (3级),99.57% (4级) 和99.13% (5级).
- 证明了网络能够从MRI数据中提取突出的特征,以精确地对AD进行分类.
- 通过卷积,聚合和完全连接的层来突出层次特征提取的有效性.
结论:
- 开发的CNN架构显示了MRI准确和自动化的阿尔茨海默氏症疾病分类的巨大潜力.
- 在识别AD亚型和阶段的高精度支持其临床实用性,用于早期检测和个性化治疗规划.
- 这种由人工智能驱动的方法可以帮助临床医生和研究人员为阿尔茨海默病患者的护理做出明智的决定.
