采用DenseNet模型的AD自动分类方法
Automatic classification of Alzheimer's disease using DenseNet model作者机构：泉州师范学院数学与计算机科学学院福建泉州362000 智能计算与信息处理福建省高等学校重点实验室福建泉州362000 福建省大数据管理新技术与知识工程重点实验室福建泉州362000 厦门硅田系统工程有限公司福建厦门361021
出 版 物：《宁德师范学院学报（自然科学版）》 (Journal of Ningde Normal University(Natural Science))
年 卷 期：2024年第36卷第1期
页 面：65-72页
学科分类：1002[医学-临床医学] 100203[医学-老年医学] 10[医学]
主 题：阿尔茨海默病 脑部磁共振成像图像 深度学习 密集的网络
摘 要：为研究深度学习算法对阿尔茨海默病分类的准确性,提出密集卷积神经网络方法,对阿尔茨海默病进行分类.利用预处理后的数据训练密集卷积神经网络结构,并分类阿尔茨海默病和认知正常者.测试结果表明,文中方法获得的分类准确率为98.91%,分类阿尔茨海默病和轻度认知障碍的准确率为94.54%,准确率较其他算法有一定提升,为阿尔茨海默病的精准分类提供了一种有效的解决方案.
维普期刊数据库
同方期刊数据库