[發明專利]一種基于深度神經網絡的AD特征參數篩選方法及系統在審
| 申請號： | 202010847474.5 | 申請日： | 2020-08-21 |
| 公開（公告）號： | CN111914952A | 公開（公告）日： | 2020-11-10 |
| 發明（設計）人： | 高飛;王慧泉;孔莉 | 申請（專利權）人： | 山東省醫學影像學研究所 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06K9/46;G06N3/08;G06N3/04 |
| 代理公司： | 北京高沃律師事務所 11569 | 代理人： | 張夢澤 |
| 地址： | 250021 山*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 神經網絡 ad 特征 參數 篩選 方法 系統 | ||
1.一種基于深度神經網絡的AD特征參數篩選方法，其特征在于，包括：
獲取AD初始特征參數；將所述初始特征參數作為深度神經網絡模型的輸入；
對所述深度學習神經網絡模型進行輸入層節點刺激，得到輸入層對應刺激的神經元節點值和刺激前后模型輸出值的相對變化值；
將所述輸入層對應刺激的神經元節點值和所述刺激前后模型輸出值的相對變化值進行線性擬合；
根據擬合結果對所述初始特征參數進行篩選，確定AD特征參數。
2.根據權利要求1所述的基于深度神經網絡的AD特征參數篩選方法，其特征在于，所述AD初始特征參數包括腦區體素、代謝物濃度以及個體特征。
3.根據權利要求1所述的基于深度神經網絡的AD特征參數篩選方法，其特征在于，所述對所述深度學習神經網絡模型進行輸入層節點刺激，包括：
按照原神經元節點特征值的0.6-1.4倍進行改變。
4.根據權利要求1所述的基于深度神經網絡的AD特征參數篩選方法，其特征在于，所述擬合結果表示輸入層神經元節點的變化對所述深度學習神經網絡模型的輸出值的影響程度。
5.一種基于深度神經網絡的AD特征參數篩選系統，其特征在于，包括：
初始特征參數獲取模塊，用于獲取AD初始特征參數；將所述初始特征參數作為深度神經網絡模型的輸入；
刺激模塊，用于對所述深度學習神經網絡模型進行輸入層節點刺激，得到輸入層對應刺激的神經元節點值和刺激前后模型輸出值的相對變化值；
擬合模塊，用于將所述輸入層對應刺激的神經元節點值和所述刺激前后模型輸出值的相對變化值進行線性擬合；
篩選模塊，用于根據擬合結果對所述初始特征參數進行篩選，確定AD特征參數。
6.根據權利要求5所述的基于深度神經網絡的AD特征參數篩選系統，其特征在于，所述AD初始特征參數包括腦區體素、代謝物濃度以及個體特征。
7.根據權利要求5所述的基于深度神經網絡的AD特征參數篩選系統，其特征在于，所述對所述深度學習神經網絡模型進行輸入層節點刺激，包括：
按照原神經元節點特征值的0.6-1.4倍進行改變。
8.根據權利要求5所述的基于深度神經網絡的AD特征參數篩選系統，其特征在于，所述擬合結果表示輸入層神經元節點的變化對所述深度學習神經網絡模型的輸出值的影響程度。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于山東省醫學影像學研究所，未經山東省醫學影像學研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010847474.5/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：壁掛爐及其控制方法
- 下一篇：一種空壓機性能試驗裝置
