基于图神经网络的分类方法、装置、计算机设备及介质制造方法及图纸

本申请公开了上述基于图神经网络的分类方法、装置、设备及存储介质，其方法实现，包括：获取待检测MRI图像以及与待检测MRI图像对应的待检测文本信息，并基于待检测MRI图像生成待检测PET图像；将待检测MRI图像以及待检测PET图像分别转换为MRI图结构以及PET图结构，其中MRI图结构以及PET图结构分别包括节点特征以及边特征；基于节点特征以及边特征，得到图像特征；基于待检测文本信息，得到文本特征；对图像特征以及文本特征进行特征融合，并基于融合特征，得到分类结果。通过对文本模态和图像模态的跨模态融合，可弥补模态信息缺失的影响，挖掘潜在病理特征，整合多源互补信息、增强模型鲁棒性，为阿尔茨海默病等神经退行性疾病的早期诊断提供有力支撑。

【技术实现步骤摘要】

本申请涉及神经网络，尤其涉及一种基于图神经网络的分类方法、装置、计算机设备及介质。

技术介绍

1、阿尔茨海默病(alzheimer’s disease，ad)是一种进行性神经退行性疾病，通常以轻度认知障碍(mild cognitive impairment，mci)为早期阶段，其不可逆的病理进程和缺乏有效治疗手段的特点，使得早期精准诊断成为延缓病情发展的关键。

2、目前，临床诊断主要依赖磁共振成像(mri)和正电子发射断层扫描(pet)等多模态影像数据，结合患者临床指标(如年龄、认知评分等)进行综合评估。然而，这个过程需要神经外科医生的手动预测，耗费大量人力和时间，且结果易受医生的经验和主观因素影响。随着科学技术的进步，机器学习技术虽已初步应用于ad早期诊断并取得一定成果，但仍存在显著局限性。现有方法在处理多模态数据时，普遍缺乏对跨模态信息的深度融合，导致数据间互补性未能充分发挥；同时，面对大脑复杂拓扑结构，传统特征提取算法难以捕捉其细微病理变化，造成关键诊断信息的丢失。这些技术瓶颈直接制约了ad早期诊断的准确性与效率，亟需探索更高效、客观的智本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的分类方法，其特征在于，所述方法，包括：

2.如权利要求1所述的基于图神经网络的分类方法，其特征在于，所述基于所述节点特征以及边特征，得到图像特征，包括：

3.如权利要求2所述的基于图神经网络的分类方法，其特征在于，所述将所述节点特征输入至图神经网络模块中进行处理，得到全局特征，包括：

4.如权利要求3所述的基于图神经网络的分类方法，其特征在于，所述按照预设的节点优先策略，对所述原始节点特征序列中各节点进行重新排序，包括：

5.如权利要求1-4任一项所述的基于图神经网络的分类方法，其特征在于，所述将所述待检测MRI图像...

【技术特征摘要】

1.一种基于图神经网络的分类方法，其特征在于，所述方法，包括：

2.如权利要求1所述的基于图神经网络的分类方法，其特征在于，所述基于所述节点特征以及边特征，得到图像特征，包括：

3.如权利要求2所述的基于图神经网络的分类方法，其特征在于，所述将所述节点特征输入至图神经网络模块中进行处理，得到全局特征，包括：

4.如权利要求3所述的基于图神经网络的分类方法，其特征在于，所述按照预设的节点优先策略，对所述原始节点特征序列中各节点进行重新排序，包括：

5.如权利要求1-4任一项所述的基于图神经网络的分类方法，其特征在于，所述将所述待检测mri图像以及待检测pet图像分别转换为mri图结构以及pet图结构，包括：

6.如权利要求1-4任一项所述的基于图神经网络的分类方法...

【专利技术属性】
技术研发人员：王昌淼，肖庆颖，马高亭，陈元浩，马梓硕，於豪祺，张永全，万翔，于广军，
申请(专利权)人：国家健康医疗大数据研究院深圳，
类型：发明
国别省市：