基于深度学习的脑MRI年龄分类

这个例子展示了如何使用一个MRI大脑图像数据集，以及如何使用迁移学习来修改和重新训练ResNet-18，一个预先训练的卷积神经网络，在该数据集上执行图像分类。

本例中使用的MRI扫描是在麻省理工学院(MIT)的研究人员进行的社会大脑发育[1]研究中获得的，可通过OpenNEURO平台下载:https://openneuro.org/datasets/ds000228/versions/1.1.0

这个例子展示了如何根据参与者的实际年龄将来自大脑MRI扫描体积的水平中层图像分为3类:

1. 参与者3 - 5岁
2. 参与者7 - 12岁
3. 18岁以上的参与者，分类为成人

这个例子通过一个深度学习工作流的多个步骤工作:

• 探索一个公开的大脑核磁共振图像数据集
• 准备深度学习数据集
• 培训基于深度学习模型的实时性年龄分类
• 评估训练模型

运行这个例子

打开并运行活动脚本BrainMRIAgeClassificationUsingDeepLearning.mlx

要求:

• MATLAB(版本R2019b或更高版本)
• 深度学习工具箱
• 图像处理工具箱

参考文献

[1] Richardson, H.， Lisandrelli, G.， Riobueno-Naylor, A.， & Saxe, R.(2018)。从3岁到12岁社会大脑的发育。自然通讯，9(1)，1027。https://doi.org/10.1038/s41467-018-03399-2

The MathWorks, Inc.版权所有