Vol.40No.2第40卷第2期2023年06月ChineseJMagnReson,2023,40(2):220-238波谱学杂志ChineseJournalofMagneticResonanceJun.2023doi:10.11938/cjmr20223013基于深度学习的阿尔兹海默症影像学分类研究进展钱程一，王远军*上海理工大学医学影像技术研究所，上海200093摘要：随着全球老龄化的加剧与深度学习的发展，基于深度学习的阿尔兹海默症（AD）影像学分类成为当前的一个研究热点．本文首先阐述了AD影像学分类任务中常用的深度学习模型、评估标准及公开数据集；接着讨论了不同图像模态在AD影像学分类中的应用；然后着重探讨了应用于AD影像学分类的深度学习模型改进方法；进一步引入了对模型可解释性研究的探讨；最后总结并比较了文中提及的分类模型，归纳了与AD影像分类相关的大脑区域，并对该领域未来的研究方向进行了展望.关键词：阿尔茨海默症（AD）；深度学习；医学影像；分类；可解释性中图分类号：TP391文献标识码：AResearchProgressonImagingClassificationofAlzheimer'sDiseaseBasedonDeepLearningQIANChengyi,WANGYuanjun*InstituteofMedicalImagingTechnology,UniversityofShanghaiforScienceandTechnology,Shanghai200093,ChinaAbstract:Asglobalagingworsensanddeeplearningadvances,theimagingclassificationofAlzheimer'sdisease(AD)basedondeeplearninghasbecomeahottopicofresearch.Thispaperreviewedthecommondeeplearningmodels,evaluationcriteriaandpublicdatasetsinADimagingclassificationtasks,discussedtheapplicationofdifferentimagemodalitiesinADimagingclassification.ThecontentwasfocusedontheimprovementofdeeplearningmodelsappliedtoADimagingclassification.Thestudiesofmodelinterpretabilitywerealsointroduced.Finally,thepapersummarizedandcomparedtheclassificationmodelsmentioned,identifiedthebrainregionsrelatedtoADimageclassification,andoutlinedthefutureresearchdirectionsinthisfield.Keywords:Alzheimer'sdisease(AD),deeplearning,medicalimaging,classification,interpretability收稿日期：2022-08-12；在线发表日期：2022-11-07基金项目：上海市自然科学基金资助项目(18ZR1426900).通信作者(Correspondingauthor):*Tel:13761603606,E-mail:yjusst@126.com.第2期引言阿尔兹海默症（Alzheimerdisease，AD）是痴呆症最常见的类型，占所有痴呆症的50~70%，其症状为认知、功能和行为的退化，...
