基于深度学习的阿尔兹海默症影像学分类研究进展

钱程一,王远军

Research Progress on Imaging Classification of Alzheimer’s Disease Based on Deep Learning

QIAN Chengyi,WANG Yuanjun

表3 可解释性方法及AD相关脑区

Table 3 Comparison of different interpretation methods and AD-related brain regions

第一作者 任务 分类模型 准确率% 解释性方法 脑区 Guan[51] AD/HC sMCI/pMCI ResNet、pABN 90.7 79.3 CAM 海马体、杏仁核、脑室、额叶、颞下回、颞上沟、顶枕沟、外侧裂 Zhang[49] AD/HC 3D-ResAttNet 91.3 Grad-CAM 海马体、侧脑室、大部分皮质 Raju[50] 轻度痴呆/非常轻度痴呆/中度痴呆/HC（四分类） VGG-16（迁移学习） 99 Grad-CAM 海马体、杏仁核、顶叶 Oh[18] AD/HC sMCI/pMCI 3D-CNN，ICAE 86.6 73.95 CSV 内侧颞叶周围、左侧海马体 左侧杏仁核、角回、楔前回 Qiu[52] AD/HC FCN 96.8 基于斑块生成热力图 海马、中额叶、杏仁核、颞叶 金祝新[53] AD/HC 3D-CNN（迁移学习） 90.9 输入添加遮挡块 内侧颞叶、海马体 Kwak[54] sMCI/pMCI DenseNet 73.90 输入添加遮挡块 海马、梭状回、颞下回、楔前叶 Venugopalan[55] AD/HC AE，CNN，随机森林 88 特征屏蔽 海马体、杏仁核 Shahamat[56] AD/HC 3D-CNN 85 遗传算法选取脑模板 左侧枕叶、左侧颞梭状皮层、右侧楔皮层、右额中回、右颞中回