[发明专利]一种阿尔茨海默症预测方法、装置、设备及介质

权利要求书

1.一种阿尔茨海默症预测方法，其特征在于，包括以下步骤：

对获取的核磁共振大脑结构图像进行预处理，以生成灰质图像；

根据所述灰质图像及基于阿尔茨海默症的3D卷积神经网络模型进行运算，以输出阿尔茨海默症预测结果。

2.根据权利要求1所述的阿尔茨海默症预测方法，其特征在于，还包括：

对输入的核磁共振大脑结构原始图像进行图像质量筛查；

对筛查合格的所述核磁共振大脑结构原始图像进行数据格式转换，以获取可分析的核磁共振大脑结构图像。

3.根据权利要求2所述的阿尔茨海默症预测方法，其特征在于，所述对获取的核磁共振大脑结构图像进行预处理，以生成灰质图像，具体为：

对获取的核磁共振大脑结构图像进行灰质图像及白质图像的分割，以生成初始灰质图像及初始白质图像；

对所述初始灰质图像及初始白质图像进行非线性配准，以生成配准图像；

对所述配准图像进行标准化及平滑处理，以生成处理后的灰质图像。

4.根据权利要求3所述的阿尔茨海默症预测方法，其特征在于，所述根据所述灰质图像及基于阿尔茨海默症的3D卷积神经网络模型进行运算，以输出阿尔茨海默症预测结果，具体为：

将所述灰质图像作为所述基于阿尔茨海默症的3D卷积神经网络模型的输入值；

在卷积层中，通过自编码器提取所述灰质图像的特征值，以生成至少一个特征图像；

通过池化层对所述至少一个特征图像进行压缩处理，以对应生成至少一个压缩特征图像；

对所述至少一个压缩特征图像进行第一激活函数转换，以生成对应的至少一个非线性特征图像；

通过全连接层对所述至少一个非线性特征图像进行特征叠加及第二激活函数转换，以生成叠加特征图像；

通过输出层对所述叠加特征图像进行处理，以输出阿尔茨海默症预测结果。

5.根据权利要求4所述的阿尔茨海默症预测方法，其特征在于，所述压缩处理的方式为最大值池化、最小值池化或均值池化中的任意一种。

6.根据权利要求4所述的阿尔茨海默症预测方法，其特征在于，所述第一激活函数为ReLU激活函数、TanH激活函数及liner激活函数中的任意一种；所述第二激活函数为ReLU激活函数、TanH激活函数及liner激活函数中的任意一种。

7.根据权利要求1至6任意一项所述的阿尔茨海默症预测方法，其特征在于，在基于阿尔茨海默症的3D卷积神经网络模型的训练过程中，通过自动编码器训练出卷积核；

在基于阿尔茨海默症的3D卷积神经网络模型的训练过程中，将训练预测结果集与真实结果集的均方差作为训练过程中预测的损失值；

在基于阿尔茨海默症的3D卷积神经网络模型的训练过程中，将准确率及AUC曲线作为评价所述基于阿尔茨海默症的3D卷积神经网络模型的指标。

8.一种阿尔茨海默症预测装置，其特征在于，包括：

预处理单元，用于对获取的核磁共振大脑结构图像进行预处理，以生成灰质图像；

模型预测单元，用于根据所述灰质图像及基于阿尔茨海默症的3D卷积神经网络模型进行运算，以输出阿尔茨海默症预测结果。

9.一种阿尔茨海默症预测终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的阿尔茨海默症预测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的阿尔茨海默症预测方法。