换一批迁移学习和空间协方差模型在研究脑萎缩和白质高信号关系中的应用
Transfer learning and spatial covariance method in cerebral atrophy related to white matter hyperintensity
摘要目的:为了明确白质高信号的危险因素和发病机制,基于迁移学习和空间协方差模型研究脑萎缩和白质高信号的相互关系及高血压对这种关系的影响.方法:选取美国亚利桑那大学附属医院41名健康中老年人(健康对照组)和41名高血压中老年患者(高血压组)MRI数据.首先,采用基于种子点的模糊聚类算法测量白质高信号的体积.其次,基于上百万张图片预训练得到的卷积神经网络AlexNet采用迁移学习的方法从灰质密度图中提取大脑形态特征.最后,采用基于主成分分析方法的尺度子配置模型来获取与脑白质病变相关的形态学空间协方差模式.结果:与灰度密度图相比,深度学习模型对影像特征具有更好的表达,通过迁移学习提取的特征具有更高的模型拟合优度.与健康对照组相比,高血压组患者的脑部影像对这种特征模式具有更强的表达.结论:基于迁移学习和空间协方差方法可以较好地应用于脑萎缩和白质高信号间关系的研究中.
更多相关知识
栏目名称
DOI
10.19745/j.1003-8868.2019003
发布时间
2019-01-25（万方平台首次上网日期，不代表论文的发表时间）
- 浏览95
- 被引3
- 下载68
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
