【技术实现步骤摘要】
本专利技术属于人工智能辅助医疗诊断，更为具体地讲，涉及一种基于自适应超图表征的阿尔兹海默症早期诊断方法。
技术介绍
1、阿尔兹海默症是一种十分隐蔽的神经功能退化疾病，随病情恶化，最终会导致患者人格、性情的变化，以及陷入全方位痴呆的症状表现，致病原因至今仍然未知。阿尔兹海默症患者的脑部影像可以为患者的病情判断提供巨大的价值，目前许多机器学习的方法利用磁共振图像(magnetic resonance imaging,mri)、正电子发射型断层图像(positronemission tomography,pet)辅以临床数据来进行阿尔兹海默症的诊断。
2、阿尔兹海默症的现有辅助诊断方法中大多方法仅基于单一数据模态，缺少多模态数据的利用；而多模态数据在利用时也需要注意各模态数据的互补性问题，否则多模态数据反而会使得训练数据中存在冗余部分，影响诊断效果。同时，随着人工智能的不断进步，尤其是卷积神经网络的出现，使得深度学习开始在医学诊断领域中发光发热。现有的深度学习方法基本仅考虑实验对象之间成对的关系，但考虑到环境、遗传多种因素的影响，对象之间的关系应该是远远复杂于成对关系的，需要有更好的方法来建模对象之间的复杂关系。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供基于自适应超图表征的阿尔兹海默症早期诊断方法，以实现对阿尔兹海默症的早期诊断进行辅助。
2、为实现上述专利技术目的，本专利技术基于自适应超图表征的阿尔兹海默症早期诊断方法，其特征在于，包括以下
3、(1)取得阿尔兹海默症相关的多模态数据，图像数据有：mri,pet；非图像数据有：简易精神状态检查量表(mini-mental state examination,mmse)和脑脊液(cerebro-spinal fluid,csf)。
4、(2)根据不同模态类型，分为图像(mri、pet)和非图像模态(mmse、csf)，分别进行特征提取。对图像数据，mri进行头动校正并去除非脑组织，随后配准到自动解剖标记(autoanatomical labeling,aal)模板中，获得90个感兴趣每个区域取得其灰度体积作为该mri图像的特征；pet图像则对齐至对应的mri图像上，计算感兴趣区域对应的灰度平均值作为pet的特征。对非图像数据，使用多层感知机提取特征。对每个模态提取到的特征，使用k-近邻方法构造初始超图。
5、(3)随后构建自适应超图卷积神经网络，共有两层超图卷积层，在两层之间设置自适应更新模块，该模块利用第一层超图卷积层输出的节点特征，计算节点与超边之间的相似度，并利用相似度度量归一化后，得到一个关联矩阵。将该关联矩阵得到的拉普拉斯矩阵和原拉普拉斯矩阵进行一个加权求和(权重设为超参数，取0.5)，得到更新后的拉普拉斯矩阵，实现超图结构的自适应更新。每个模态数据经过自适应超图卷积神经网络后得到高阶特征。
6、(4)将各个模态的高阶特征通过注意力机制实现融合，注意力机制会使得融合更具有可解释性，对每个模态中的重要特征进行加强，提高多模态数据间的互补性，减少冗余数据的影响。
7、(5)将多模态融合后的特征进行分类，最终得到三种分类：健康状态、轻度认知障碍和阿尔兹海默症。
8、本专利技术的目的是这样实现的。
9、本专利技术基于自适应超图表征的阿尔兹海默症早期诊断方法，通过对多模态数据进行特征提取，分别构建超图。用超图建模受试者之间的复杂高阶关系。随后将各模态数据送入自适应超图卷积神经网络，在两层超图卷积层之间，自适应更新超图结构。经过第一层的卷积，受试者之间的高阶关系被进一步探索，相应的超图结构得到了更新，从而提升了后续特征的质量，增强模型的效果。经过卷积后，将各模态的高阶特征进行基于注意力机制的特征融合，不同于普通的特征拼接，使用注意力机制可以对各模态中的重要特征进行突出，对噪声特征进行抑制，可以自动发现不同模态的相关性和互补性，从而实现了对阿尔兹海默症进行早期诊断。
本文档来自技高网...【技术保护点】
1.基于自适应超图表征的阿尔兹海默症早期诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应超图表征的阿尔兹海默症早期诊断方法，其特征在于，在自适应超图卷积神经网络实施过程中，自适应超图卷积神经网络分为两个部分，首先是两个超图卷积层，然后是两个超图卷积层中间的自适应更新模块；
3.根据权利要求2所述的基于自适应超图表征的阿尔兹海默症早期诊断方法，其特征在于，在使用注意力机制进行特征融合实施过程中，为了充分挖掘不同模态数据的互补性和相关性，将不同模态的高阶特征通过注意力机制进行特征融合；来自三个模态的高阶特征分别记为于是有：
4.根据权利要求3所述的基于自适应超图表征的阿尔兹海默症早期诊断方法，其特征在于，在分类，进行阿尔兹海默症诊断实施过程中，得到融合特征后，使用全连接层接受特征并设输出层为3个神经元，接softmax层对分类结果进行归一化处理，获得受试者处于健康状态、轻度认知障碍和阿尔兹海默症的概率，最大的概率所在项即为受试者目前所属状态；
【技术特征摘要】
1.基于自适应超图表征的阿尔兹海默症早期诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应超图表征的阿尔兹海默症早期诊断方法，其特征在于，在自适应超图卷积神经网络实施过程中，自适应超图卷积神经网络分为两个部分，首先是两个超图卷积层，然后是两个超图卷积层中间的自适应更新模块；
3.根据权利要求2所述的基于自适应超图表征的阿尔兹海默症早期诊断方法，其特征在于，在使用注意力机制进行特征融合实施过程中，为了充分挖掘...
【专利技术属性】
技术研发人员：邵俊明，吴蔚，杨勤丽，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：
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。