CN114359164B 一种基于深度学习自动预测阿尔茨海默症的方法和系统 （中国科学院深圳先进技术研究院）_第1页
CN114359164B 一种基于深度学习自动预测阿尔茨海默症的方法和系统 （中国科学院深圳先进技术研究院）_第2页
CN114359164B 一种基于深度学习自动预测阿尔茨海默症的方法和系统 （中国科学院深圳先进技术研究院）_第3页
CN114359164B 一种基于深度学习自动预测阿尔茨海默症的方法和系统 （中国科学院深圳先进技术研究院）_第4页
CN114359164B 一种基于深度学习自动预测阿尔茨海默症的方法和系统 （中国科学院深圳先进技术研究院）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于深度学习自动预测阿尔茨海默症本发明公开一种基于深度学习自动预测阿度学习框架，获得阿尔茨海默症的预测分类结调注意力模型对输入特征图从不同方向上分别对全局特征进行激励操作，获取不同通道的权2将所述目标图像输入到经训练的深度学习框架，获得阿尔茨海默症的预测分类结果，预测单元：用于将所述目标图像输入到经训练的深度学习框架，3预措施。轻度认知障碍(MCI)是痴呆的早期阶段，病人在一个或多个领域出现认知功能下降，但保持独立的日常生活能力，尚未达到痴呆的标准。MCI可以分为稳定型认知障碍4[0006]根据本发明的第一方面，提供一种基于深度学习自动预测阿尔茨海默症的方[0009]根据本发明的第二方面，提供一种基于深度学习自动预测阿尔茨海默症的系压注意力模型，所述协调注意力模型对输入特征图从不同方向上分别提取单独的位置感[0015]图1是根据本发明一个实施例的用于自动预测阿尔茨海默疾病的深度学习框架示5[0029]密集连接的方式相当于每一层直接连接输入和损失，因此可以减轻梯度消失问[0031]结合图1所示，卷积的目的是在局部的感受野上将空间上的信息和特征维度上的够从全局的感受野上去捕获信息。卷积的操作默认为对输入的特征图的所有通道进行融[0032]参见图3所示，SE模型首先对得到的特征图片进行挤压操作，得到通道的全局特6够以很小的代价提升网络的性能。应理解的是，其中涉及的激励操作或激活操作除采用7[0040]计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形[0041]这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列[0043]这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中8

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论