有效的阿尔茨海默病检测使用增强的Xception与快照组合混合
Chandrakanta Mahanty1, T Rajesh2, Nikhil Govil3
1Department of CSE, GITAM School of Technology, GITAM Deemed to Be University, Visakhapatnam, 530045, India. chandra.mahanty@gmail.com.
Scientific reports
|November 25, 2024
概括
这项研究引入了一种先进的深度学习组合方法,用于使用MRI扫描进行早期阿尔茨海默病 (AD) 检测. 该方法在AD的分类中达到99.14%的准确性,有助于个性化患者护理.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,导致痴呆和认知能力下降.
- 早期发现AD对于及时干预和管理至关重要,尽管传统方法具有挑战性.
- 深度学习 (DL) 显示了通过分析脑成像数据来增强AD检测的希望.
研究的目的:
- 提出和评估一个集体深度学习方法,用于通过脑MRI扫描检测阿尔茨海默病.
- 与传统技术相比,提高诊断准确度和疾病进展的预测.
主要方法:
- 使用增强的Xception架构,生成多个模型快照,用于各种MRI特征分析.
- 一个决策级融合策略通过混合算法将决策得分与随机森林 (RF) 超学习器结合起来.
主要成果:
- 拟议的整体方法在将阿尔茨海默病分为四个不同的组时,达到99.14%的高精度.
- 实验结果从MRI数据中证实了合奏技术在阿尔茨海默病检测中的有效性.
结论:
- 开发的集体DL方法为早期发现阿尔茨海默病提供了高度准确的方法.
- 这种技术有可能支持医疗从业者为阿兹海默症患者提供个性化护理计划.
- 未来的工作重点是改进模型在各种数据集中的通用化.
