基于CNN的阿尔茨海默病与行为异常型额颞叶痴呆的分类
来源：计算机应用与软件杂志2024年第2期北京时间：
作者：俞元琳, 杨剑, 王志江, 王华丽
摘要：提出一种基于改进的一维卷积神经网络（1D-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。
关键词：卷积神经网络, 疾病分类, 模型可解释性
