朱映璇，冯 巍，郭秀花

(首都医科大学公共卫生学院流行病与卫生统计学系，北京 100069)

神经影像学是诊断阿尔茨海默病(Alzheimer′s disease，AD)及轻度认知功能障碍(mild cognitive impairment，MCI)的重要方法。运用于AD诊断的成像方法通常包括磁共振成像(magnetic resonance imaging，MRI)、正电子发射计算机断层显像(positron emission tomography,PET)、功能MRI(functional magnetic resonance imaging，fMRI)等。在与AD有关的多项研究中都会使用到网络公开数据库“阿尔茨海默病神经影像学计划”(Alzheimer′s Disease Neuroimaging Initiative,ADNI) 的数据库。该计划建立了合作研究和数据共享平台[1]。深度学习是机器学习的一部分，在各个领域，包括医学影像学中已经取得了令人瞩目的成果并且具有巨大的发展潜力[2]。在AD的影像学诊断方面，有研究者评估了大脑不同区域的图像在诊断上的不同意义[3]。也有研究者致力于设计一些方法将AD图像与其他脑疾病图像区分开，如Morabito等[4]提出了运用深度学习方法将克雅病和AD区分开。现就深度学习方法在AD脑图像分析方面的应用实践进行综述。

1 堆叠自动编码器方法及其在AD图像方面的应用

自动编码器是由输入层、隐含层和输出层3层结构构成的人工神经网络[5]。堆叠自动编码器是由多个自动动编码器串联堆叠构成。堆叠自动编码器的目的是为了逐层提取输入数据的高阶特征，在此过程中逐层降低输入数据的维度，将一个复杂的输入数据转化成一系列简单的高阶的特征，然后再将这些高阶特征输入一个分类器或聚类器中进行分类或聚类。

Liu等[6]运用堆叠自动编码器的方法对数据进行预训练，在运用ADNI数据库……