[发明专利]一种大脑影像智能分类方法、装置和设备

权利要求书

1.一种大脑影像智能分类方法，其特征在于，包括：

S1、获取K个受试者的三维MRI脑图像，将所述K个受试者中的x个所述三维MRI脑图像划分为训练集和测试集，并将所述K个受试者中的y个所述三维MRI脑图像作为验证集，所述K个受试者包括无AD受试者和患有AD受试者，其中，K、x、y均为正整数，且x+y≤K；

S2、对所述K个受试者的每个所述三维MRI脑图像进行归一化处理后，通过AAL脑区模板将每个所述三维MRI脑图像的大脑区域均划分为90个脑区，并将每个受试者的同一脑区的体素数据按照行向量的形式依次排列，得到90个体素特征数据集；

S3、基于相关系数计算公式，根据每个所述体素特征数据集的特征和对应的类别标签计算所述特征和类别标签的相关关系；并将所述相关关系代入到掩码权重计算公式中，计算得到所述体素特征数据集的掩码权重；基于注意力融合机制公式，根据所述掩码权重对所述体素特征数据进行融合，得到每个脑区的体素向量集；

其中，所述掩码权重计算公式为：

式中，W_ij为注意力机制中的第i个脑区的第j列体素向量的掩码权重，Cof_ij为第i个脑区中的第j列体素向量的相关系数；

S4、基于分类算法，根据每个脑区的所述体素向量集分别构建每个脑区的基分类器；

S5、通过所述训练集对每个脑区的基分类器进行训练后，并通过所述验证集筛选出与AD的相关性符合第一预置相关系数值的若干个第一基分类器，基于投票法根据所述测试集对所述若干个第一基分类器进行集成，得到AD分类模型。

2.根据权利要求1所述的大脑影像智能分类方法，其特征在于，步骤S2之后，还包括：

基于所述相关系数计算公式，分别计算每个脑区的所述体素特征数据集的与所述体素特征数据集对应的类别标签向量的第一相关系数；

根据每个脑区的第一相关系数的绝对值，筛选出符合第二预置相关系数值的体素特征数据集。

3.根据权利要求1所述的大脑影像智能分类方法，其特征在于，步骤S2之前，还包括：

对所述K个受试者的每个所述三维MRI脑图像进行预处理操作，所述预处理操作包括：去头骨、配准到MNI标准空间、图像平滑。

4.根据权利要求1所述的大脑影像智能分类方法，其特征在于，所述将所述K个受试者中的x个所述三维MRI脑图像划分为训练集和测试集，具体包括：

基于二分类算法，通过5折交叉验证法将所述K个受试者中的x个所述三维MRI脑图像划分为训练集和测试集。

5.根据权利要求2所述的大脑影像智能分类方法，其特征在于，所述相关系数计算公式为：

式中，Cof_ij为第i个脑区中的第j列体素向量的相关系数，X_ij为第i个脑区中的第j列体素向量，Y_ij为第i个脑区中的第j列体素向量所对应的类别标签。

6.根据权利要求1所述的大脑影像智能分类方法，其特征在于，所述注意力融合机制公式为：

Att_X_ij＝(1+W_ij)X_ij；

式中，Att_X_ij为融合注意力机制后的第i个脑区中的第j列的体素向量，W_ij为注意力机制中的第i个脑区的第j列体素向量的掩码权重。