.png){kind=icon}
返回
Automatic alzheimer’s disease classification using 3D deep learning model
.png){kind=icon}
PRE
AI
DOI：10.1007/s11042-026-21721-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于3D医学图像的阿尔茨海默病（AD）自动分类是一个具有挑战性的研究问题。为了重建脑电路和结构，需要从显微镜图像中计算机化重建3-D神经元结构。尽管进行了多次尝试，但这一过程仍然具有挑战性，尤其是在图像存在噪声或神经元突起模式不规则时。3D图像分割可以在追踪或重建神经元之前检测神经体素。因此，本文提出利用3D深度学习模型自动重建神经元，以实现准确的AD检测。所提出的模型包括从3D显微镜图像中自动重建神经元、特征工程和AD分类。使用3D深度学习模型的自动神经元重建包括以下步骤：使用深度学习（DL）模型对3D显微镜图像进行分割、发现分割结构，以及使用智能回溯算法重建识别出的结构。所提出的3D深度学习模型基于现有模型设计，旨在增强从3D显微镜图像中自动重建神经元的性能。在神经元重建之后，我们设计了基于深度学习的特征工程方法来提取结构和功能特征。最后，使用深度学习分类器模型进行自动AD分类。卷积神经网络（CNN）模型用于自主神经元特征工程和AD分类。使用不同的公开可用数据集评估了所提出模型的性能。结果表明，与最先进的方法相比，所提出的模型通过自动3D神经元重建方法显著提高了AD分类性能。
Keyword:
Alzheimer’s disease
Automatic neuron reconstruction
Convolutional neural network
3D deep learning
Feature engineering
Segmentation
期刊
IF:
3
论文数:
2.0W
被引数:
3.2W
机构
引用论文
An Approach for Classification of Alzheimer’s Disease Using Deep Neural Network and Brain Magnetic Resonance Imaging (MRI).png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏Deep Learning-Based Prediction of Alzheimer's Disease Using Microarray Gene Expression DataBIOMEDICINES
OAAI
BIOMEDICINESIF3.9
OAAI分享收藏End-to-End Deep Learning Architectures Using 3D Neuroimaging Biomarkers for Early Alzheimer’s Diagnosis基于3D神经影像生物标志物的端到端深度学习架构，用于早期阿尔茨海默病诊断MathematicsOAAI
MathematicsIF0
OAAI分享收藏A report on digitised neuronal tracing method to study neurons in their entirety数字化神经元追踪方法以全面研究神经元的研究报告
IF0
PREAI
分享收藏Towards computational analytics of 3D neuron images using deep adversarial learningNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容