【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及阿尔茨海默病风险预警模型训练方法、预警方法及设备。
技术介绍
1、人脑是一个复杂的系统，神经元之间存在连接和相互作用模式，这些连接可以形成复杂的脑网络，用于传递信息、执行各种认知和感知任务，并支持大脑的功能。而阿尔茨海默病被认为是一种失连接病，伴随着疾病进展，患者大脑内会弥散性出现异常蛋白质的聚集，从而造成神经元的损伤和退化，最终导致大脑中多个脑区之间出现关联异常。脑网络的失去连接和功能损伤在疾病早期阶段就已出现，因此应用脑网络的分析方法可以更好地跟踪阿尔茨海默病的风险和进展，及时地向被测用户做出风险评估，来辅助医生进一步做出判断。
2、当前的阿尔茨海默病风险预警或评估方式可以基于单一的结构磁共振成像构建了多尺度特征，包括灰质体积、皮层厚度和形态相似网络进行阿尔茨海默病风险评估，通过多尺度模型的高效融合，以实现较为准确的预测准确率；还可以基于结构磁共振影像，将灰质影像和海马影像输入到多模型融合风险评估模型中以实现标准化风险评估。
3、然而，当前的阿尔茨海默病风险预警或评估方式采用的数据...
【技术保护点】
1.一种阿尔茨海默病风险预警模型训练方法，其特征在于，包括：
2.根据权利要求1所述的阿尔茨海默病风险预警模型训练方法，其特征在于，在所述根据各个历史被测对象分别对应的多模态磁共振影像中的各类单模态磁共振影像各自对应的多个层级的脑网络特征，构建多个用于存储各个所述历史被测对象各自对应的样本数据与阿尔茨海默病风险等级标签之间的对应关系的数据集之前，还包括：
3.根据权利要求2所述的阿尔茨海默病风险预警模型训练方法，其特征在于，所述单模态磁共振影像的类型包括：结构磁共振影像、弥散张量成像和功能磁共振影像中的至少两类；
4.根据权利要求3...
【技术特征摘要】
1.一种阿尔茨海默病风险预警模型训练方法，其特征在于，包括：
2.根据权利要求1所述的阿尔茨海默病风险预警模型训练方法，其特征在于，在所述根据各个历史被测对象分别对应的多模态磁共振影像中的各类单模态磁共振影像各自对应的多个层级的脑网络特征，构建多个用于存储各个所述历史被测对象各自对应的样本数据与阿尔茨海默病风险等级标签之间的对应关系的数据集之前，还包括：
3.根据权利要求2所述的阿尔茨海默病风险预警模型训练方法，其特征在于，所述单模态磁共振影像的类型包括：结构磁共振影像、弥散张量成像和功能磁共振影像中的至少两类；
4.根据权利要求3所述的阿尔茨海默病风险预警模型训练方法，其特征在于，若所述单模态磁共振影像的类型包括：所述结构磁共振影像、所述弥散张量成像和所述功能磁共振影像，则相对应的，所述对各个所述多模态磁共振影像中的各类单模态磁共振影像进行图像预处理，以得到经预处理后的各类单模态磁共振影像，包括：
5.根据权利要求4所述的阿尔茨海默病风险预警模型训练方法，其特征在于，所述对经预处理后的各类单模态磁共振影像分别进行脑网络特征提取，以得到经预处理...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。