关键词：阿尔茨海默病 卷积神经网络 典型相关分析 核磁共振图像 生物标志物 

摘要：随着人工智能的发展,计算机辅助诊断在阿尔茨海默病诊断中扮演着越来越重要的角色.本文提出了一种融合图像和指标的新型多分类诊断模型,充分挖掘TOP-MRI图像和临床指标特征用于阿尔茨海默病的多分类诊断.首先,构建由3个VGGNet-16卷积神经网络和1个单隐层网络组成的TOP-CNN-NN模型提取大脑TOP-MRI图像特征向量,利用CfsSub-setEval评估器来筛选临床指标组成指标特征向量;然后,采用典型相关分析(CCA)方法将图像特征向量和指标特征向量进行线性融合;最后,将融合特征向量输入多分类分类器来区分阿尔茨海默病的3个阶段,包括正常(CN)、轻度认知障碍(MCI)和阿尔茨海默病(AD).通过ADNI公开数据集证明,本文提出方法在阿尔茨海默病多分类诊断上的正确率可达到86.7%,有较好的性能表现.

智能计算机与应用杂志要求:

{1}参考文献：参考文献位于文尾，按首字的拼音首字母顺序排序，用序号[1]、[2]、[3]、[4]……标示，若只有一个参考文献，则文献前不加序号。

{2}来稿选题应具有问题意识，有的放矢；论点要正确，结构要合理，论证要充分，数据和资料要详实可靠，文字表达要精炼准确。

{3}图片要求清晰，注明名称、出处及其在文章中的位置。

{4}作者署名：多位作者之间以逗号分隔；作者来自不同单位的，在作者名右上角注l，2…，单位分别标注，以分号隔开。并在作者单位名称前标注2--工作单位、所在省市名、邮政编码，加圆括号置于作者署名下方。

{5}中文摘要以 350 字內为原则，英文摘要以 300 字內为原则。关键词最多 5个。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社