BriefGPT - AI 论文速递 · 2023-08-15T00:00:00Z

GAMER-MRIL 识别多发性硬化症相关脑变化

📝

内容提要

本研究提出了一种基于ResNet的3D CNN框架，结合注意力机制用于阿尔茨海默病的诊断。在ADNI数据库的792个受试者上验证，实现了89.71%和91.18%的诊断准确率，超过了一些最先进的方法。

🎯

关键要点

• 本研究提出了一种基于ResNet的端到端3D CNN框架。

• 该框架结合注意力机制获取多层特征。

• 旨在更好地捕捉脑部图像的细微差异，用于阿尔茨海默病的诊断。

• 在ADNI数据库的792个受试者上进行了消融实验验证。

• 基于sMRI和PET分别实现了89.71%和91.18%的诊断准确率。

• 该方法超过了一些最先进的诊断方法。

🏷️

标签

3D CNN ResNet 注意力机制 诊断准确率 阿尔茨海默病