《表1 不同算法的分类准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合DCGAN与LSTM的阿兹海默症分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

/%

卷积神经网络在医学图像分类方面已有许多相关的研究。近年来的方法大多利用2D CNN进行特征提取，再由全连接网络进行分类。单独的一张MRI图像并不容易确定其所属的类别，一些图像可能不包含病灶，不能够提供足够的信息。通过对所有二维图像的分类结果取平均能够较好地解决这个问题，但是丢失了这些图像之间的联系信息。这些信息可能有利于提高分类精度。相比2D模型，3D卷积能够捕获到MRI图像的局部空间特征，但是其缺点也比较明显，3D卷积有着更多的参数，可能增加过拟合的风险，尤其是当样本较少时。此外，3D模型的训练也需要更多的计算资源。表1为本文模型的实验结果与一些现有方法的比较。