利用混合 GAN-CNN 方法从三维结构磁共振图像诊断双相情感障碍

Oct, 2023

利用混合 GAN-CNN 方法从三维结构磁共振图像诊断双相情感障碍

Diagnosing Bipolar Disorder from 3-D Structural Magnetic Resonance Images Using a Hybrid GAN-CNN Method

Masood Hamed Saghayan, Mohammad Hossein Zolfagharnasab, Ali Khadem, Farzam Matinfar, Hassan Rashidi

TL;DR通过使用混合 GAN-CNN 模型从 3D 结构 MRI 图像中诊断双相情感障碍 (BD)，并使用数据增强来提高卷积神经网络 (CNN) 分类器的准确性，从而为实践者在更短的时间内更可靠地识别 BD 患者提供更可靠的决策支持系统。

Abstract

bipolar disorder (BD) is a psychiatric condition diagnosed by repetitive cycles of hypomania and depression. Since diagnosing BD relies on subjective behavioral assessments over a long period, a solid diagnosis b

bipolar disorder diagnosis gan-cnn model 3-d structural mri images data augmentation

发现论文，激发创造

双金字塔多模态融合方法用于双相障碍的诊断

利用脑部结构磁共振成像和功能磁共振成像数据，结合融合策略，提出了一种新颖的多模态诊断模型，用于双相情感障碍的诊断。实验证明，该方法在 OpenfMRI 数据集上的平衡准确度从 0.657 提升至 0.732，达到了最先进水平。

Jan, 2024

基于 PGGAN 的无限制脑部 MR 图像数据增强用于肿瘤检测

本研究使用生成对抗网络（GAN）通过 Progressive Growing 技术生成 256x256 大小的 MRI 图像，结合传统数据增强技术可以有效地提高脑肿瘤检测的性能及在医学成像任务中的应用。

Mar, 2019

MADGAN：使用多个相邻的脑 MRI 层面重建的无监督医学异常检测 GAN

提出了一种无监督的医学异常检测生成性对抗网络（MADGAN）方法，使用基于生成性对抗网络的多个相邻脑磁共振成像切片重建来检测不同阶段的脑部异常，可在 T1 扫描中以 AUC 0.727 的曲线下面积检测轻度认知障碍（MCI）下的阿尔茨海默病，在晚期以 AUC 0.894 检测 AD，并可在 T1c 扫描中以 AUC 0.921 检测脑转移和其他疾病。

Jul, 2020

基于多层特征的注意力机制三维卷积神经网络在脑图像中用于阿尔茨海默病诊断

本研究提出了一种基于 ResNet 的端到端 3D CNN 框架，结合注意力机制作用下获取的多层特征，以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，并且超过了一些最先进的方法。

Aug, 2023

MedTransformer：3D MRI 图像的精确 AD 诊断通过 2D 视觉转换器

通过使用 2D 视觉 Transformer，我们提出了一种基于 Transformer 注意力编码器的 2D 医学图像模型，通过将 3D 图像切割成多个 2D 切片，以诊断 3D MRI 图像中的 AD。我们还提出了形态学增强方法，用于增加 AD 和正常图像之间的结构差异。实验结果表明，我们的模型在诊断 AD 方面表现出强大的能力，并且能够在不同的医学任务中进行泛化，这为医生以一种更简单的方式诊断 AD 提供了可能性。

Jan, 2024

合成脑图像：用生成对抗模型弥合脑部映射中的差距

使用深度卷积生成对抗网络（DCGAN）合成高保真和逼真的 MRI 图像切片，为医学影像研究提供深度学习技术的应用。

Apr, 2024

基于 3D CNN 的 sMRI 和 MD-DTI 图像分类，用于阿尔茨海默病研究

本文研究了自动分类方法的主要趋势，探讨了卷积神经网络和 MRI 在海马区 ROI 上融合的痴呆症诊断算法，以及通过数据增强来平衡不同大小的类别对分类结果的影响。

Jan, 2018

针对 3D 脑部 MRI 超分辨率的增强生成对抗网络

该研究开发了一种新的残差 - 残差稠密块发生器 (RRDG) 来解决基于 GAN 的三维 SISR，并提出了一种改进收敛行为的 Patch GAN 鉴别器来更好地建模脑图像纹理，并提出了一种新颖的解剖学保真度评估方法，这些开发通过一种简单，高效的方法结合起来，以实现影像和质地质量之间的平衡。

Jul, 2019

用于从 sMRI 和 PET 扫描早期诊断阿尔茨海默病的多模态图神经网络

采用深度学习模型结合多模态数据进行阿尔茨海默病的早期诊断，通过图神经网络框架将结构和功能融合，提高诊断效果。

Jul, 2023

使用生成对抗网络和三维多级密集连接网络实现高效准确的 MRI 超分辨率

本篇论文提出了一种新的 3D 神经网络设计 —— 多级密集连接超分辨率网络（mDCSRN）结构，并进行了 3D 超分辨率重建应用的实验，结果表明在恢复 4x 分辨率降低的图像上，我们的新型神经网络结构比其他流行的深度学习方法性能更好和速度更快，并且具有促进现实输出的能力。

Mar, 2018