DenseIncepS115:使用MRI图像进行阿尔茨海默病预测的新型网络级融合框架

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) 是一种流行的神经退行性疾病,导致不可逆转的脑损伤.
• 早期发现AD对于管理疾病进展至关重要,因为它通常在晚期被诊断出来.
• 计算机辅助诊断系统为放射科医生提供了潜在的补充工具,可以从MRI扫描中预测AD.

研究的目的:

• 提出一个新的深度学习架构,DenseIncepS115,用于使用MRI扫描准确预测阿尔茨海默病.
• 为了提高计算机辅助诊断系统的预测准确性和可靠性,用于早期AD检测.

主要方法:

• 开发了一个新的深度学习架构,DenseIncepS115,将Inception和Dense模块与Self-Attention (InceptionSA和DenseSA) 集成在一起.
• 使用贝叶斯优化进行超参数初始化和捕鱼优化 (CFO) 算法进行功能优化.
• 采用了Lime和Gradcam技术来实现模型解释性,并对阿尔茨海默氏症ADNI和阿尔茨海默氏症类MRI数据集的架构进行了验证.

主要成果:

• DenseIncepS115架构实现了高预测准确度,在ADNI数据集上达到99.5%,在阿尔茨海默氏症类MRI数据集上达到98.5%.
• 废弃性研究和比较表明,与现有最先进的方法相比,其性能优越.
• 该模型的预测可以使用Lime和Gradcam可解释AI技术来解释.

结论:

• 拟议的DenseIncepS115深度学习架构显示出从MRI扫描中准确和早期预测阿尔茨海默病的重大前景.
• 这种方法可以成为放射科医生的宝贵工具,有助于及时诊断和管理阿尔茨海默病.
• 在更大的数据集上进行进一步的研究和验证可以巩固其在对抗神经退行性疾病方面的临床实用性.