李梅梅, 胡春海, 周 影, 宋 昕

(1.燕山大学 电气工程学院,河北 秦皇岛 066004；2.东北大学 秦皇岛分校,河北 秦皇岛066000)

1 引 言

阿尔茨海默症(Alzheimer’s disease, AD)俗称老年痴呆,是发病进程缓慢、随时间不断恶化的神经退化性疾病,综合的发病概率占据痴呆症中的60%～70%,其真正成因至今尚不明确,且治疗费用昂贵。早期轻度认知功能障碍(early mild cognitive impairment, EMCI)是介于正常衰老(normal subject, NC)与AD之间的过度发展阶段,研究显示认知障碍(mild cognitive impairment, MCI)受试者以每年约10%～15%的速度发展为临床AD,如何对其予以早期精准诊断并进行正向干预是急需解决的问题。

随着电子医疗影像技术的进步和发展,作为目前最普遍的一种医学图像形式,磁共振图像(magnetic resonance imaging, MRI)能够清晰地显示所检测的软组织和结构形态,且对比于其它医疗图像成像方式,可避免对身体造成电离辐射的影响。而对阿尔茨海默症而言,MRI图像分析在反映AD和MCI患者脑组织萎缩情况有出色的表现。目前,越来越多的学者倾力于通过深度学习和大量医学图像数据相互结合对AD分类进行综合研究[1]。

近年来,很多学者以MRI和信息特征提取相结合为基础进行阿尔茨海默症的分类研究。文献[2]利用选择自编码算法对受试样本信息中提取正电子发射断层扫描(PET)、MRI、脑脊液检测(CSF)等数据特征,对AD和NC、MCI和NC以及AD和MCI进行二分类,达到较好的分类效果；文献[3]在研究中利用分类SAE对PET、MRI数据进行高度的信息特征提取,并将AD、pMCI、sMCI、NC之间进行四分类,分类的平均准确率达到46.3%的水平；文献[4]运用CNN特征学习的方法,对预先训练好的卷积模型进行了图像的特征提取,并在AD、MCI与NC分类中取得较好的结果；……