一种基于CNN与注意力机制的阿尔兹海默症分类方法技术

本发明专利技术涉及医学图像处理技术领域，具体涉及一种基于CNN与注意力机制的阿尔兹海默症分类方法。该方法获取待分类的脑部核磁共振图像和对应三个切面的切片图像；获取待分类的脑部核磁共振图像的局部细粒度特征；通过通道注意力机制增加输入特征图的通道特征；添加每个切片的位置信息；通过多头注意力机制捕获切片间的长距离依赖关系；使用一维卷积增强相邻两个切片间特征的局部连续性，将融合后的特征向量全局平均后送入分类器得到待分类的脑部核磁共振图像的分类结果。本发明专利技术能够结合卷积神经网络与注意力机制的优势，充分利用局部病变特征与全局信息交互，提高分类准确率。提高分类准确率。提高分类准确率。

【技术实现步骤摘要】
一种基于CNN与注意力机制的阿尔兹海默症分类方法


[0001]本专利技术涉及医学图像处理
，具体涉及一种基于CNN与注意力机制的阿尔兹海默症分类方法。

技术介绍

[0002]阿尔茨海默症(Alzheimer
’
s Disease,AD)是一种不可逆转的神经退行性疾病。同时也是最常见的导致老年人产生记忆障碍与丧失身体活动能力疾病之一。阿尔茨海默症的主要表现是认知功能、思维，记忆和推理以及行为能力的丧失，其程度会干扰一个人的日常生活和活动。神经细胞死亡和功能障碍是这种神经疾病的主要原因。
[0003]按照发病阶段情况，可将阿尔茨海默症的发展进程分为：正常对照组(Controls Normal,CN)、轻度认知功能障碍(Mild Cognitive Impairment,MCI)和阿尔茨海默症对照组。随着老年人口的增长，痴呆症的患病人数也在逐年增加。2018年约有5000万人患有痴呆症，60％至70％的人口患有阿尔兹海默症。根据国际阿尔茨海默病协会(Alzheimer's Disease International,A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN与注意力机制的阿尔兹海默症分类方法，其特征在于，该方法包括以下步骤：获取待分类的脑部核磁共振图像；将待分类的脑部核磁共振图像进行切片操作，得到三个切面的脑部结构和对应的切片图像；通过卷积神经网络获取待分类的脑部核磁共振图像的局部细粒度特征；通过通道注意力机制增强输入特征图的通道特征；通过位置编码器添加每个切片的位置信息；通过多头注意力机制捕获切片间的长距离依赖关系；使用一维卷积增强相邻两个切片间特征的局部连续性，将融合后的特征向量全局平均后送入分类器得到待分类的脑部核磁共振图像的分类结果。2.根据权利要求1所述的一种基于CNN与注意力机制的阿尔兹海默症分类方法，其特征在于，所述获取待分类的脑部核磁共振图像，包括：获取原始的脑部核磁共振图像，利用SPM12工具(Statistical Parametric Mapping)，对原始的脑部核磁共振图像进行AC
‑
PC基准线矫正；使用FSL工具(FMRIB Software Library)对AC
‑
PC基准线矫正后的脑部核磁共振图像进行归一化，使所有AC
‑
PC基准线矫正后的脑部核磁共振图像经过拉伸、旋转、平移后被归一化到MNI标准空间(Montreal Neurological Institute)，处理后的脑部核磁共振图像的图像尺寸、分辨率与模板相同；使用FSL工具对处理后的脑部核磁共振图像进行颅骨剥离，提取脑组织结构；使用配准ANTs工具(Advanced Normalization Tools)对处理后的脑部核磁共振图像不均匀的部分进行统一的偏置场矫正，将偏置场矫正后的脑部核磁共振图像作为待分类的脑部核磁共振图像。3.根据权利要求1所述的一种基于CNN与注意力机制的阿尔兹海默症分类方法，其特征在于，所述将待分类的脑部核磁共振图像进行切片操作，得到三个切面的脑部结构和对应的切片图像，包括：对待分类的脑部核磁共振图像从三个不同角度进行切片操作，每张脑部核磁共振图像得到三个不同切面的脑部结构，分别为轴状切面、矢状切面、冠状切面；其中，轴状切面为将待分类的脑部核磁共振图像横切后形成上下两部分的切面；矢状切面为沿人体长轴将人体纵切为左右两部分的切面；冠状切面为将待分类的脑部核磁共振图...

【专利技术属性】
技术研发人员：胡振涛，李艳阳，陈鸿宇，王凯歌，蒋涛，杨浩然，程聪聪，刘先省，吴振辉，王正，
申请(专利权)人：河南大学，
类型：发明
国别省市：