基于深度学习的多模态神经影像融合分析与脑疾病诊断

项目名称： 基于深度学习的多模态神经影像融合分析与脑疾病诊断

项目编号： No.61375112

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 刘满华

作者单位： 上海交通大学

项目金额： 76万元

中文摘要： 脑疾病已成为当今社会越来越困扰人们的一种疾病，因此早期诊断和预警显得尤为重要。随着神经影像技术的发展，可用于脑疾病诊断的影像信息越来越多，如MRI和PET，如何对已有信息进行计算分析、深入理解脑疾病导致的结构和功能变化，提高临床诊断效果，已成为目前面临的主要问题。传统的图像处理和模式识别方法对噪声比较敏感、不能有效处理和分析大规模图像数据。本项目针对面向脑疾病的多模态神经影像融合分析的关键问题，如多尺度特征提取、有效特征选择和多特征融合分类等，开展新方法研究。首先基于深度学习理论，通过构建多层深度学习网络，深入挖掘具有潜在复杂结构的多模态神经影像的多层次特征表示；然后利用特征的空间结构和关联性等信息，构建反映其结构组稀疏的特征选择模型，选取对疾病最具判别力和解释性的特征；最后研究基于多任务联合学习的分类方法，整合多模态不完整影像特征。研究结果将在附属第六人民医院的临床诊断和治疗中进一步验证

中文关键词： 多模态神经影像；脑疾病诊断；深度学习；稀疏编码；卷积神经网络

英文摘要： Brain diseases have been becoming a great threat to human health in today's society, thus their early diagnosis and early warning are particularly important. With the development of neuroimaging technologies, more and more imaging information, such as MRI

英文关键词： Multimodal neuroimages；Brain disease diagnosis；Deep learning；Sparse coding；Convolutional Neural Network