我校电子科学与技术学院电子科学系/福建省等离子体与磁共振重点实验室教师屈小波副教授与福州大学杜民教授团队等在神经科学领域的权威杂志《Frontiers in Neuroscience》（SCI, JCR 2, IF 3.88）上发表一种基于人工智能神经网络的老年痴呆症的预测方法。

轻度认知障碍是一种介于正常老化与阿尔兹海默症（一种常见的老年痴呆症）的中间状态。若能够准确识别有着高概率转化为阿尔兹海默症的轻度认知障碍的受试者，将对于患者的早期干预治疗起到重要的作用。该文设计了一种基于磁共振成像的卷积神经网络的深度学习方，通过学习预处理后的轻度认知障碍受试者的磁共振图像，自动挖掘图像多类特征来准确预测由轻度认知障碍到阿尔兹海默症的转换，该方法在灵敏度和特异性之间保持了良好的平衡。

该文第一作者是林伟铭（福州大学在读博士生，厦门大学计算感知实验室访问学者），由福州大学、厦门理工学院、厦门市第二医院和福建帝视信息科技有限公司等单位合作完成，福州大学杜民教授和厦门大学的屈小波副教授担任共同通讯作者。该内容受到国家重点研发计划、国家自然科学基金和国家科技部项目等项目资助。

论文信息：Weiming Lin, Tong Tong, Qinquan Gao, Di Guo, Xiaofeng Du, Yonggui Yang, Gang Guo, Min Xiao, Min Du*, Xiaobo Qu*. Convolutional neural networks-based MRI image analysis for the Alzheimer’s disease prediction from mild cognitive impairment, Frontiers in neuroscience, 12, 2018。

论文链接：http://doi.org/10.3389/fnins.2018.00777

阿尔兹海默症预测

背景：

轻度认知障碍（MCI）是阿尔茨海默症（AD）的前驱期。确定MCI患者是否有高风险演变为AD对于有效治疗至关重要。

挑战：

MCI是否会转化为AD，其病理变化是不易被发现的。

方法：

一种基于磁共振成像的卷积神经网络与模式识别结合的深度学习方法，并在AD神经影像学项目的标准化MRI数据集上验证。

结果：

该方法能较准确地预测MCI到AD的转换，相比其他方法具有更高的准确度，同时保持了良好的灵敏度和特异性。

联系方式：

邮箱：csrc_assistant@xum.edu.cn

电话：15396288685

网址：https://csrc.xmu.edu.cn/

微信：qujiaoshouzhuli

QQ:3322643586