颜色分类leetcode AD Prediction 使用ResNet、AlexNet预测阿尔茨海默病

颜色分类leetcode AD-预测使用脑MRI图像预测阿尔茨海默病的卷积神经网络抽象的阿尔茨海默病(AD)的特点是严重的记忆丧失和认知障碍。它与显着的大脑结构变化有关，这可以通过磁共振成像(MRI)扫描来测量。可观察到的临床前结构变化为使用图像分类工具（如卷积神经网络(CNN)）进行AD早期检测提供了机会。然而，目前大多数AD相关研究都受到样本量的限制。找到一种在有限数据上训练图像分类器的有效方法至关重要。在我们的项目中，我们探索了基于CNN的不同转移学习方法，用于AD预测脑结构MRI图像。我们发现，与从头开始训练的深度CNN相比，具有2D表示方法的预训练2D AlexNet和具有预训练3D自动编码器的简单神经网络都提高了预测性能。预训练的2D AlexNet的表现甚至优于带有自动编码器的3D CNN（ 77% ）（ 86 % ）。方法1.数据在这个项目中，我们使用了来自阿尔茨海默病神经影像学倡议(ADNI)研究的公共大脑MRI数据。 ADNI是一项正在进行的多中心队列研究，从2004年开