基于3D-PCANet的阿尔兹海默病辅助诊断

• 作 者: 李书通 肖斌 李伟生 王国胤
• 机 构: 重庆邮电大学计算智能重庆市重点实验室
• 出 处: 计算机科学
• 发表日期: 2018年B06期
• 关键词: 深度学习 迁移学习 卷积神经网络 阿尔兹海默病的诊断 Deep learning Transfer learning Convolutional neural
• 基金项目: 国家自然科学基金（61572092）, 国家自然科学基金-广东联合基金（U1401252）, 国家重点研发计划（2016YFC1000307-3）资助

深度学习在医疗辅助诊断上发挥着越来越重要的作用。然而,深度学习在辅助诊断的过程中,常常会遇到数据标签不足的问题。研究了以非监督深度学习的思想来解决数据标签不足的问题,提出了一种非监督学习方法——3D一PCANet,以对阿尔兹海默病症的MRI图像进行计算机的辅助诊断。该方法使用三维的MRI图像作为数据源。实验结果显示,3D一PCANet算法在阿尔兹海默病诊断中实现了良好的分类效果。