基于深度学习模型的阿尔茨海默病MRI影像早期诊断
发表于: 。本研究针对阿尔茨海默病早期诊断中的样本不平衡问题,提出了利用合成少数类过采样技术(SMOTE)来改善MRI影像数据集的分布。通过采用预训练卷积神经网络,提取病理特征,最终模型实现了高达98.67%的准确率,这对阿尔茨海默病的早期监测和临床应用具有重要影响。
本研究针对阿尔茨海默病早期诊断中的样本不平衡问题,提出了利用合成少数类过采样技术(SMOTE)来改善MRI影像数据集的分布。通过采用预训练卷积神经网络,提取病理特征,最终模型实现了高达98.67%的准确率,这对阿尔茨海默病的早期监测和临床应用具有重要影响。