结合DCGAN与LSTM的阿兹海默症分类算法

摘要: 针对传统的阿兹海默症(Alzheimer’s disease，AD)分类3D模型参数过多以及2D模型缺乏连续性特征的问题，提出了一种结合2D卷积神经网络与长短时记忆网络的脑部核磁共振成像(magnetic resonance imaging，MRI)图像分类算法。利用深度卷积生成对抗网络(deep convolutional generative adversarial networks，DCGAN)，卷积层能够在无标签的情况下自动提取到图像特征。首先以无监督的方式训练卷积神经网络；将MRI图像序列转换为特征序列，再输入到长短时记忆网络进行训练；最后结合特征序列与LSTM的隐藏状态进行分类。实验结果显示，相比3D模型，该算法有着更少的参数，对于NC与AD的分类达到了93.93%的准确率，对于NC与MCI达到了86.27%的准确率。