王聪，袁榕澳，李川

（四川大学计算机学院，成都610065）

1 背景

阿尔茨海默病（AD）是一种起病隐匿的进行性发展的神经系统退行性疾病，主要病理体现为进行性脑细胞死亡和脑体积缩小[1]，目前尚无有效的治疗方法。一旦患病，无法逆转。轻度认知功能障碍（MCI）是介于正常对照组（CN）和AD 之间的一种中间状态，患者存在轻度认知功能减退，但日常能力没有受到明显影响。常常有大量的患者在这个阶段接受一定的干预措施，避免发展成为不可逆的老年痴呆（AD）。因此对于AD 和MCI 的及时准确的诊断具有重要的意义。

目前大量阿尔茨海默病的诊断依赖医师的主观诊断，医师通过与患者的交谈观察等填写一些评估量表，这个过程耗费大量的精力与时间，而且与医师的状态和专业能力具有较大关联程度。神经影像学技术目前已广泛用于AD 和MCI 的生物标志物的寻找，如磁共振成像（MRI）可以扫描人脑图像[2]，以便跟踪大脑结构的变化以及AD 病理学中神经变性方面不可避免的萎缩[3]。因此有大量的研究基于患者的MRI 图像，使用机器学习等算法对患者脑图像进行诊断识别，然而传统机器学习的输入数据常常是需要人为地提取MRI 图像特征，以此减小特征的维度来适应机器学习算法的训练拟合。而目前深度学习在图像识别领域上的成功，给AD 图像等诊断带来有前景的希望。

本文采用患者的全脑MRI 图像，进行一定的预处理后，设计一个3D 卷积神经网络[4]架构来对患者进行诊断。……