一种基于深度学习策略的早期阿尔兹海默症发展预测方法技术

本发明专利技术涉及人工智能医疗技术领域，具体涉及一种基于深度学习策略的早期阿尔兹海默症发展预测方法；获取多名MCI患者在固定时间间隔对应的三维脑部核磁共振图像，得到各个样本；对各样本中预处理后的核磁共振图像进行切片操作，使用卷积神经网络提取各张切片的特征并将其表示为特征向量；对每个样本中的两个特征向量序列进行位置嵌入；使用特征融合模型对经过位置嵌入后的两个特征向量序列执行横向特征融合和纵向特征融合；将融合后的特征全局平均后输入分类器，得到各样本的预测结果；本发明专利技术既避免了手动提取特征主观性较大的缺点，又考虑了早期阿尔兹海默症的进展性，避免了横向研究受个体差异影响和观察时间较短的缺点。向研究受个体差异影响和观察时间较短的缺点。向研究受个体差异影响和观察时间较短的缺点。

【技术实现步骤摘要】
一种基于深度学习策略的早期阿尔兹海默症发展预测方法


[0001]本专利技术涉及人工智能医疗
，具体涉及一种基于深度学习策略的早期阿尔兹海默症发展预测方法。

技术介绍

[0002]阿尔兹海默症(Alzheimer's Disease,简称AD)是目前最难以治愈的老年疾病之一。AD是一种退化型、不可逆的脑部疾病，随着疾病的发展，越来越多的大脑神经元失去功能，神经元之间失去联系，甚至神经元死亡，大脑的皮质区、海马体萎缩，脑室增大，外在表现为记忆力和其他认知能力的减弱或完全丧失。患者根据认知的不同阶段分成：1.认知正常(Cognitively Normal,简称CN)，即患者没有认知障碍症状；2.轻度认知障碍(Mildcognitive Impairment,MCI)3.AD。
[0003]据统计，有44％的MCI的患者在3年内转化为AD；在未来3年内转化为AD的MCI患者称为进展型MCI(progressive MCI,pMCI)，在未来3年内没有转化为AD的MCI患者称为稳定型MCI(stable MCI,sMCI)。MCI患者尽管在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习策略的早期阿尔兹海默症发展预测方法，其特征在于，该方法包括以下步骤：获取多名MCI患者在固定时间间隔对应的两张三维脑部核磁共振图像，并将一名MCI患者在固定时间间隔对应的两张三维脑部核磁共振图像作为一个样本；对各样本中的每张核磁共振图像进行预处理，得到预处理后的核磁共振图像；对各张预处理后的核磁共振图像进行切片操作，得到各张预处理后的核磁共振图像对应的多张切片，并对所述切片进行尺寸调整，进而得到各张预处理后的核磁共振图像对应的切片序列；使用卷积神经网络提取各张切片的特征并将其表示为特征向量，得到各个切片序列对应的特征向量序列；对每个样本中的两个特征向量序列进行位置嵌入，所述位置嵌入包括两个特征向量序列各自内部的横向位置嵌入和两个特征向量序列之间的纵向位置嵌入；使用特征融合模型对每个样本中经过位置嵌入后的两个特征向量序列执行横向特征融合和纵向特征融合；将融合后的特征全局平均后输入分类器，得到各样本对应的预测结果；其中所述特征融合模型包括多个不同的自注意力模块。2.根据权利要求1所述的一种基于深度学习策略的早期阿尔兹海默症发展预测方法，其特征在于，所述预处理包括以下步骤：(1)将核磁共振图像的解剖结构进行对齐，得到对齐后的核磁共振图像；(2)去除对齐后的核磁共振图像中的非脑部组织像素；(3)对去除非脑部组织像素后的核磁共振图像进行统一的N4偏置场矫正。3.根据权利要求1所述的一种基于深度...

【专利技术属性】
技术研发人员：胡振涛，王正，金勇，周林，侯巍，田刘洋，
申请(专利权)人：河南大学，
类型：发明
国别省市：