CN119494978A 一种基于多模态特征融合的阿尔兹海默病智能分类方法 （四川大学）_第1页
CN119494978A 一种基于多模态特征融合的阿尔兹海默病智能分类方法 （四川大学）_第2页
CN119494978A 一种基于多模态特征融合的阿尔兹海默病智能分类方法 （四川大学）_第3页
CN119494978A 一种基于多模态特征融合的阿尔兹海默病智能分类方法 （四川大学）_第4页
CN119494978A 一种基于多模态特征融合的阿尔兹海默病智能分类方法 （四川大学）_第5页
已阅读5页，还剩8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

一种基于多模态特征融合的阿尔兹海默病本发明针对阿尔兹海默病辅助分类技术中采用单模态数据难以满足临床中AD诊断需求且据进行特征提取，考虑到网络应该关注到MRI影发明所提方法能从多种模态数据角度分析对阿21.一种基于多模态特征融合的阿尔兹海默病智能分类方法，其特征在于包括以下步意力机制(CoordinateAttention,CA)嵌入到ResNet中使网络更加关注到MRI影像中病变(3)将MRI影像特征与非影像特征进行特征融合得到多模态融合后的特征信息最终实2.根据权利要求1所述方法，其特征在于(1)中构建基于ResNet改进后的网络对MRI影数(ReLu)和池化函数进行浅层特征提取得到Xc，在输入层后引入CA注意力模块提取MRI影1×1卷积操作和BN归一化操作,δ表示ReLU激活函数，然后将特征图f沿着空间维度进行hwhw合并成权重矩阵后与dhw低维特征并且将残差模块中激活函数替换为Mish函数，最终得到MRI影像数据的特征信息3.根据权利要求1所述方法，其特征在于(2)中通过多层3尔兹海默病有着较为明显的映射关系，因此利用多层感知机来对非影像数据进行特征提取，将输入的非影像数据经过两层全连接层，神经元从64维升到1024维，之后使用了dropout随机失活神经元防止网络过拟合，最后经过LeakyReLu激活函数得到非影像数据4.根据权利要求1所述方法，其特征在于(3)中MRI影像特征与非影像特征进行融合分经过特征提取后的MRI影像特征F1和非影像特征F2，两种特征维度均为1024，使用特征重组得到最终的多模态特征向量，最后使用Softmax对多模态数据融合后的特征进行4[0002]阿尔兹海默病(Alzheimer'sDisease,AD)通常称为老年痴呆症是目前最难以治[0003]目前，阿尔兹海默病的辅助诊断技术主要采用3D卷积神经网络(Convolution[0004]本发明提出一种基于多模态特征融合的阿尔兹海默病智能分类方法，采用MRI影[0006](1)使用改进后的ResNet对MRI影像进行特征提取，经过坐标注意力模块[0008](3)将MRI影像特征与非影像特征进行特征融合得到多模态融合后的特征信息最56[0030]基于ResNet改进后的结构图如图1中影像数据特征提取模块所示：在本发明中基[0031]y;=F(xr,w)+x:(9)于相关多模态数据研究使用的模态数据类型以及数据集不同，因此只能进行粗略的对比。7除此之外，本发明中通过改进后的ResNet对MRI影像单模态进行阿尔兹海默病分类也具有很好的分类效果，实验结果如表2所示，三分类准确率达到

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