基于结合SimAM模块的三维Densenet的阿尔茨海默症分类算法研究
孙俊楠1
李岳阳1
罗海驰2
1.江南大学江苏省模式识别与计算智能工程实验室 无锡 2141222.江南大学物联网工程学院 无锡 214122
摘要：阿尔茨海默症是一种不可逆的大脑神经退行性疾病.利用深度学习技术辅助医生对提升识别阿尔茨海默症患者的效率有重要意义.论文将三维卷积技术,密集连接卷积神经网络(Densenet)和一种简单、无参数的卷积神经网络注意模块,简称SimAM的注意力模块相结合,设计了一个3D-SAMDensenet算法,用于对大脑的磁共振图像(MRI)进行分类.用此模型分别对阿尔茨海默症(AD)和正常人(NC),轻度认知障碍(MCI)和正常人(NC)进行两种二分类时,与对比的传统和深度学习的分类方法相比,都取得更好的分类结果,并且在图像差异较小的MCI/NC分类中,得到了比AD/NC分类更大的优势.
关键词：阿尔茨海默症三维卷积密集连接卷积神经网络SimAM
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2024-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 2279-2283 )
英文信息