基于迁移学习的脑部磁共振图像的阿兹海默病分类的应用研究

随着社会人口老龄化问题的加剧,阿兹海默病,越来越影响人们的生活质量和家庭幸福,也造成了巨大的社会负担。利用人工智能技术对AD进行早期诊断有助于预防或减缓AD病程,减轻家庭和社会负担。现有文献表明,基于磁共振图像的AI分类算法可用于AD早期诊断。针对基于磁共振图像的AD分类问题,设计实现了两种分类迁移学习方法,分别是微调方法和时域视觉提示方法,并通过在公开数据集上验证,证实这些方法的分类精度得到提升。