基于自适应感受野3D空间注意力的脑影像分类装置制造方法及图纸

本发明专利技术公开基于自适应感受野3D空间注意力的脑影像分类装置。本发明专利技术通过引入注意力机制构建了一种基于自适应感受野3D空间注意力的3D‑ResNet18网络，该3D空间注意力模块由多个分支构成，能够对每条分支上不同尺度的信息进行融合，并在融合过程中对不同分支进行加权，以便于神经元进行自适应地调整感受野尺寸。使用该网络对阿尔兹海默症的脑MRI图像进行分类，从而提高了分类效果。该方法易于实现，数据预处理操作简单，具有更好的鲁棒性和准确率。

【技术实现步骤摘要】
基于自适应感受野3D空间注意力的脑影像分类装置
本专利技术属于网络模式识别
，具体涉及一种基于自适应感受野3D空间注意力的阿尔兹海默症脑影像分类装置。
技术介绍
阿尔兹海默症是一种进行性发展的神经系统退行性疾病，是最常见的一种痴呆病症，会导致患者记忆减退、思考能力下降，甚至影响到身体的活动能力。在全球范围内，随着全球老龄化趋势日益严重，阿尔兹海默症的患病人数逐渐增加。因此，阿尔兹海默症的治疗费用也在急剧增加，严重影响了患者及其家庭的生活质量和社会的发展。阿尔兹海默症的诊断越来越受到研究人员的关注。传统的机器学习方法被广泛地应用于医学图像的研究当中。至今为止，阿尔兹海默症的疾病诊断应用过多种非侵入性的成像模态，例如核磁共振成像(magneticresonanceimaging，MRI)、功能性磁共振成像和正电子发射计算机断层扫描等模态。在过去的十年间，大量的研究使用了支持向量机、决策树和随机森林等算法对阿尔兹海默症的医学图像进行分类诊断。传统的机器学习方法对阿尔兹海默症进行分类诊断的研究过程中需要对医学图像数据进行复杂的数据预处理工本文档来自技高网...

【技术保护点】
1.一种基于自适应感受野3D空间注意力的阿尔兹海默症脑影像分类装置，其特征在于包括：/n数据获取模块，用于获取T1结构项脑部MRI图像；/n数据预处理模块，用于将数据获取模块获取得到的MRI图像依次进行原点校正、灰质分割、配准与调制处理，得到所需灰质图像；/n自适应感受野的3D空间注意力深度学习模型模块，用于根据数据预处理模块处理后的图像和预设类别结果进行分类；由3D-ResNet18网络中每个ResBlock的末端嵌入一个自适应感受野的3D空间注意力模块构成；/n每个自适应感受野的3D空间注意力模块由多个卷积分支模块和一个加权融合模块构成；/n每个卷积分支模块由不同感受野的空洞卷积构成；/n...

【技术特征摘要】
1.一种基于自适应感受野3D空间注意力的阿尔兹海默症脑影像分类装置，其特征在于包括：
数据获取模块，用于获取T1结构项脑部MRI图像；
数据预处理模块，用于将数据获取模块获取得到的MRI图像依次进行原点校正、灰质分割、配准与调制处理，得到所需灰质图像；
自适应感受野的3D空间注意力深度学习模型模块，用于根据数据预处理模块处理后的图像和预设类别结果进行分类；由3D-ResNet18网络中每个ResBlock的末端嵌入一个自适应感受野的3D空间注意力模块构成；
每个自适应感受野的3D空间注意力模块由多个卷积分支模块和一个加权融合模块构成；
每个卷积分支模块由不同感受野的空洞卷积构成；
加权融合模块用于将多个卷积分支模块的输出特征图进行加权融合，使神经元能够自适应地调整感受野尺寸，再通过Sigmoid函数非线性激活后获得该注意力模块的注意力权重特征图，并将注意力权重特征图分配到注意力模块的输入特征图上，得到加权融合后的输出特征图：
V＝σ(α·U1+β·U2+…+γ·Un)*X
其中X表示注意力模块的输入特征图，U1，U2…Un表示每个卷积分支模块的输入特征图，...

【专利技术属性】
技术研发人员：尉飞，李秀梅，葛青青，孙军梅，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：浙江;33