DMA-HPCNet:双重多层次注意力混合金字塔卷积神经网络用于阿尔茨海默氏症疾病分类

科学领域:

• 医学成像分析 医学成像分析
• 医疗保健中的人工智能
• 神经科学是一个神经科学.

背景情况:

• 计算机辅助诊断 (CAD) 对阿尔茨海默病 (AD) 的临床应用至关重要.
• 基于卷积神经网络 (CNN) 的方法在MRI扫描中擅长检测微妙的大脑缩.
• 由于计算限制,现有的CAD方法往往忽略了整体图像信息,阻碍了全面的AD病理理解.

研究的目的:

• 为改善阿尔茨海默病 (AD) 临床诊断提出一个轻量级的双重多层混合金字塔卷积神经网络 (DMA-HPCNet).
• 为了加强对脑MRI扫描中微妙的病理变化的分析,以检测AD.

主要方法:

• 开发了DMA-HPCNet,这是一个新的CNN架构,使用ResNet作为支柱.
• 集成了一个混合金字塔卷积 (HPC) 块,用于多规模的信息获取.
• 整合了双重多层次注意 (DMA) 模块,用于连续的本地和全球特征提取.

主要成果:

• 在阿尔茨海默病神经成像计划 (ADNI) 数据集中的443名受试者中评估了DMA-HPCNet,使用了基线MRI切片.
• 拟议的DMA-HPCNet模型在AD相关的分类任务中表现出高效的性能.
• 在较低的计算成本下实现了有效的AD诊断.

结论:

• DMA-HPCNet提供了一种高效和有效的方法,用于使用MRI对阿尔茨海默氏症的计算机辅助诊断.
• 该模型能够捕捉多个规模和多个级别的特征,这有助于理解AD相关的大脑变化.
• 这种轻量级网络为临床AD诊断提供了有价值的工具,解决了计算限制.