Abstract：
提出一种基于改进的一维卷积神经网络(1 D-ICNN)的阿尔茨海默病与异常型额颞叶痴呆诊断模型,对卷积层的输出进行下采样的最大池化操作和特征压缩的全局平均池化操作.该模型在 47 例阿尔茨海默病和39 例行为异常型额颞叶痴呆患者脑结构磁共振数据上的分类精度为 86.63％,优于传统机器学习模型和一般深度学习模型.此外,采用SHAP可解释方法对模型的预测结果进行解释,并对解释结果进行可视化.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机应用与软件
ISSN： 1000-386X
Year： 2024
Issue： 2
Volume： 41
Page： 195-201
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
