随着深度学习技术在疾病诊断方面的广泛应用，尤其是卷积神经网络（CNN）在计算机视觉、图像处理方面的突出表现，越来越多的研究提出使用该算法实现阿尔茨海默病（AD）、轻度认知障碍（MCI）以及正常认知（CN）之间的诊断。
据调查62%的医疗从业者认为痴呆是正常衰老的一部分，即每3个人中就有2个人认为痴呆症是由正常衰老引起的，因此很多老人有AD症状但却无法得到确诊。轻度认知障碍（mildcognitiveimpairment, MCI）是介于正常和AD之间的一种中间过渡状态。根据阿尔茨海默病神经影像学计划（Alzheimer'sDiseaseNeuroimagingInitiative, ADNI）数据库诊断标准将AD分为4组，认知功能正常组（cognitivenormal, CN或者normalcognitive, NC），早期轻度认知障碍组（earlymildcognitiveimpairment, EMCI），晚期轻度认知障碍组（latemildcognitiveimpairment, LMCI）以及AD。一部分文献中会有转化型轻度认知障碍（convertmildcognitiveimpairment, cMCI）及稳定型轻度认知障碍（stablemildcognitiveimpairment, sMCI）的分类。目前AD尚无治愈方法，中晚期治疗手段非常有限，而且MCI常被误诊为正常衰老的症状，在研究中发现有44% 的MCI在几年内可能最终转化为AD。因此MCI的早期诊断和干预对预防和延缓AD的发展具有重要作用。
神经影像成像技术是AD诊断中重要的临床检查手段之一。研究显示在认知和记忆退化前，海马、颞叶等某些特定部位已经出现了退行性形变和萎缩，这些大脑结构的改变是AD早期诊断的可靠标志。通过脑影像成像技术可以对疾病不同阶段结构的变化进行定量定性的分析研究。首先是磁共振成像（magneticresonanceimaging, MRI），主要用于排除其他潜在疾病和发现AD的特异性影像学表现，可以监测出大脑变性区域物质的代谢异常、血流量的改变等；其次是正电子发射型计算机断层显像（positronemissioncomputedtomography, PET），18氟-氟代脱氧葡萄糖正电子发射型计算机断层显像（18-fluoro-deoxyglucosePET, 18F-FDGPET）可以显示大脑局部葡萄糖的代谢率，为评价组织的代谢活性提供了可能，且研究显示18FFDG-PET对AD的诊断准确率更高；还有计算机断层扫描（computedtomography, CT），AD早期的CT脑影像诊断以脑萎缩、脑室扩大为主要评判指标。上述方法中由于MRI不会产生如CT检测中的伪影，无须注射造影剂，无电离辐射且无创，具有较高的普及率，因而成为AD早期诊断研究中常用的影像材料。
随着计算机技术的发展，深度学习方法广泛应用于医学图像处理中，使得医学图像处理逐渐实现智能化。其中卷积神经网络（convolutionalneuralnetwork, CNN）是一种带有卷积结构的深度神经网络，其结构包含输入层、卷积层、激励层、池化层以及全连接层。到目前为止，在图像识别领域的每一个重大的突破都用到了该模型。CNN以及众多由此衍生出来的模型，被不断用在MCI和AD分类任务中，并取得了优异的效果。
一、卷积神经网络（CNN）
（一）CNN发展简述
哦豁，小伙伴们如果觉得倾城文选不错，记得收藏网址 或推荐给朋友哦~拜托啦 (>.<)
传送门：