基于栈式深度多项式网络集成学习框架的帕金森病计算机辅助诊断

• 作 者: 陈璐 施俊 彭博 戴亚康
• 机 构: 上海大学上海先进通信与数据科学研究院通信与信息工程学院,中国科学院苏州生物医学工程技术研究所
• 出 处: 生物医学工程学杂志
• 发表日期: 2018年06期
• 关键词: 帕金森病 磁共振成像 栈式深度多项式网络 集成学习 Parkinson's disease magnetic resonance imaging sta
• 基金项目: 国家自然科学基金项目(61471231,81627804).

特征表达是基于磁共振成像(MRI)的帕金森病(PD)计算机辅助诊断系统诊断准确性的重要决定因素。深度多项式网络(DPN)是一种新的有监督深度学习算法,对于小数据集具有良好的特征表达能力。本文提出一种面向PD计算机辅助诊断的栈式DPN(SDPN)集成学习框架,以有效提高基于小数据的PD辅助诊断准确性。本框架对所提取的MRI特征的每一个特征子集分别通过SDPN得到新的特征表达,然后采用支持向量机(SVM)对每个子集进行分类,再对所有分类器进行集成学习,得到最终的PD诊断结果。通过对公开的帕金森病数据库P