期刊简介
本刊是由解放军军事医学科学院主管、公开发行的全国专业核心期刊、中国科技论文统计源期刊。办刊宗旨：面向军队，面向全国，面向未来，理论与实践结合，普及与提高结合，为军队卫生装备建设服务，为全国医疗器械事业服务。主要报道现代科学技术在医疗卫生装备上应用的新理论、新成果、新技术、新工艺;报道医疗卫生装备的管理、使用、维修等方面的经验。读者群体为广大医护人员以及本专业内从事科研、教学、生产、使用、维修、管理、采购人员。
往期目录
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
-
2019
首页>医疗卫生装备杂志
- 杂志名称：医疗卫生装备杂志
- 主管单位：中国人民解放军军事医学科学院
- 主办单位：军事医学科学院卫生装备研究所
- 国际刊号：1003-8868
- 国内刊号：12-1053/R
- 出版周期：月刊
期刊荣誉：全国专业核心期刊期刊收录：统计源核心期刊(中国科技论文核心期刊), 知网收录(中), 哥白尼索引(波兰), Pж(AJ) 文摘杂志(俄), 剑桥科学文摘, 万方收录(中), CA 化学文摘(美), 国家图书馆馆藏, 上海图书馆馆藏, 维普收录(中)
基于深度卷积网络的阿尔茨海默病诊断模型研究
张柏雯；林岚；孙珅；吴水才
关键词：深度卷积网络, 阿尔茨海默病, 结构磁共振成像, 深度学习, 特征迁移学习, 正常老化, AlexNet
摘要：目的:提出一种基于脑MRI与深度学习和迁移学习准确区分阿尔茨海默病(Alzheimer's disease,AD)与正常老化(normal control,NC)的方法.方法:选取阿尔茨海默病神经影像学组织(Alzheimer Disease Neuroimaging Initiative,ADNI)数据库中194例NC与105例AD受试者的脑结构磁共振成像(structural MRI,sMRI),生成全脑灰质图.基于经典网络AlexNet采用特征迁移学习的方法对AD与NC分别进行特征提取,再结合主成分分析法与序列前向搜索的方法对特征降维与选择,后运用支持向量机对所选特征进行分类,统计高斯平滑核半高宽(full width at half maximum,FWHM)分别为0、8 mm时在卷积层conv3、conv4、conv5的分类准确率、灵敏度和特异性.结果:在AlexNet第四卷积层(conv4)分类准确率达到优,在高斯平滑核FWHM为0 mm时,conv4分类准确率为95.14％,灵敏度和特异性分别为96.43％和94.83％.结论:通过该研究提出的分类方法建立的特征迁移学习模型在AD与NC分类中取得较为理想的分类结果,说明该方法是一种可行的分类方法.
友情链接