[发明专利]一种基于SNP数据和MRI数据的分类方法及终端设备

说明书

本发明公开了一种基于SNP数据和MRI数据的分类方法及终端设备，其中，分类方法包括步骤：从AD数据库中获取AD患者的SNP数据和MRI数据；对所述SNP数据进行预筛选，通过多头注意力机制从筛选出的SNP数据中提取到基因特征；对所述MRI数据进行预筛选，采用软阈值法从筛选出的MRI数据中提取到图像特征；将所述基因特征和图像特征输入到融合数据预测模型中，输出分类结果。本发明创新性地提出了利用多头注意力机制提取SNP数据中的特征和利用软阈值优化思想对MRI特征进行优化提取，训练得到的融合数据预测模型在AD患者和健康者之间的预测准确率高，并能筛选出与疾病显著相关的SNP和脑区。

技术领域

本发明涉及数据分析技术领域，尤其涉及一种基于SNP数据和MRI数据的分类方法及终端设备。

背景技术

阿尔茨海默病(AD)是一种慢性神经退行性疾病，其主要临床表现为记忆障碍、行为紊乱和认知能力下降，严重影响了患者的生活质量。轻度认知障碍(MCI)阶段是向AD发展的一个阶段。MCI又分为轻度MCI(LMCI，患有轻度MCI)和稳定MCI(sMCI，其症状稳定，18个月内不会发展为AD)。因此，探索AD与NC、AD与sMCI、AD与LMCI之间的遗传和脑区联系并预测AD的发生的概率具有重要意义。

随着影像技术的进步和发展，科学家们已经开始将影像技术应用于AD的诊断，并取得了成功。结构性磁共振成像(Struc-tural MRI)可以用来预测AD病情，因为它对患者的神经元退化非常敏感。另一方面，研究人员已经将成熟的全基因组关联研究(GWAS)技术应用于AD领域，并分析了与AD相关的风险基因。随着影像学和基因组学的不断发展，学者们利用影像基因组学来更好地探索内涵型、外显型和疾病之间的联系。

由于在医学领域很少有公开的多模态数据库，因此从小样本的高维数据中提取重要的特征至关重要。遗传数据分为多种，其中本研究领域常用的数据一般为单核苷酸多态性(SNP)数据。因此，如何选择SNP数据，能否从SNP数据中提取出显著的特征，对后续实验的开展非常重要。遗传数据为解决疾病预测、致病因素的关联分析和提前预防治疗等问题开辟了另一个层面。然而，目前的研究还没有找到合适的方式从基因数据中提取特征。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种基于SNP数据和MRI数据的分类方法及终端设备，旨在解决现有技术还没有找到合适的方式从基因数据中提取特征导致分类结果不准确的问题。

本发明的技术方案如下：

一种基于SNP数据和MRI数据的分类方法，其中，包括步骤：

从AD数据库中获取AD患者的SNP数据和MRI数据；

对所述SNP数据进行预筛选，通过多头注意力机制从筛选出的SNP数据中提取到基因特征；

对所述MRI数据进行预筛选，采用软阈值法从筛选出的MRI数据中提取到图像特征；

将所述基因特征和图像特征输入到融合数据预测模型中，输出分类结果。

所述基于SNP数据和MRI数据的分类方法，其中，对所述SNP数据进行预筛选的步骤包括：

对每个AD患者和SNP数据进行检查，筛除缺失值大于2％的个体和SNP数据；

对SNP数据进行次等位基因频率检查，筛除次等位基因频率低于5％的SNP数据；

对SNP数据进行哈温平衡检验，筛除p值低于预定值的SNP数据；

控制SNP数据的杂合率偏差，清除SNP数据的亲缘样本，对SNP数据进行群体分层。

所述基于SNP数据和MRI数据的分类方法，其中，通过多头注意力机制从筛选出的SNP数据中提取到基因特征的步骤包括：