用轻量级卷积神经网络评估二维MRI切片定向和位置对阿尔茨海默病诊断的影响
Nadia A Mohsin1, Mohammed H Abdulameer2
1Department of Computer Science, Faculty of Computer Science and Mathematics, University of Kufa, Najaf 54001, Iraq.
Journal of imaging
|August 27, 2025
概括
这项研究确定了阿尔茨海默病 (AD) 检测的最佳MRI切片选择. 使用深度学习模型,特定的轴心,冠状和斜切片显著提高了诊断准确性.
科学领域:
- 神经成像
- 人工智能
- 医疗诊断
背景情况:
- 精确的阿尔茨海默病检测对于早期干预至关重要,但仍然具有挑战性.
- 深度学习,特别是卷积神经网络 (CNN),有望通过磁共振成像 (MRI) 提高诊断准确性.
研究的目的:
- 确定最有信息的MRI切片方向和解剖位置以进行AD分类.
- 开发一个自动化框架,以使用MRI进行高效和准确的AD诊断.
主要方法:
- 开发了一个自动化的框架,使用基于特征的方法在CNN激活地图上选择相关的MRI切片.
- 采用轻量级的CNN架构,深度可分离的卷积用于分析选定的2DMRI切片.
- 整合了注意机制来解释特征级别对分类的贡献.
主要成果:
- 在区分阿尔茨海默病 (AD) 和认知正常 (CN) 个体方面,获得了最高准确率 (97.4%).
- 使用选定的第九个轴线段的切片观察到最佳分类,其次是冠状和斜面方向的第十个段.
- 这项研究证明了特定切片选择和轻量级CNN对AD诊断的有效性.
结论:
- 在基于MRI的AD诊断中,切片的位置和方向是关键因素.
- 轻量级的CNN为阿尔茨海默病的临床应用提供了有希望和有效的方法.
