基于深度学习的脑PET图像分析和疾病预测内含数据集.zip

赛题链接：http://challenge.xfyun.cn/topic/info?type=PET 脑PET全称为脑部正电子发射计算机断层显像(brain positron emission tomography PET)，是反映脑部病变的基因、分子、代谢及功能状态的显像。它是利用正电子核素标记葡萄糖等人体代谢物作为显像剂，通过病灶对显像剂的摄取来反映其代谢变化，从而为临床提供疾病的生物代谢信息，为脑癫痫病、脑肿瘤、帕金森病、阿尔茨海默综合症等提供了有效的检测手段。可利用脑PET图像检测出早期阿尔茨海默综合症病灶，并提前介入治疗，从而延缓发病，对后续患者康复治疗有着积极的意义。因此本赛题以阿尔茨海默综合症为例对脑PET图像进行分析与疾病预测。 二、赛事任务 为研究基于脑PET图像的疾病预测，本次大赛提供了海量脑PET数据集作为脑PET图像检测数据库的训练样本，参赛需根据提供的样本构建模型，对阿尔茨海默综合症进行分析和预测。 脑PET图像检测数据库，记录了老年人受试志愿者的脑PET影像资料，其中50%被确诊为轻度认知障碍（MCI），25%AD患者，25%健康人，以及跟踪调查受试者信息（包括性别和年龄）。 被试按医学诊断分为三类： C N：健康 MCI：轻度认知障碍 A D：阿尔茨海默综合症 ``` python3 1_train.py python3 2_predict.py ```