[發明專利]基于視覺Transformer算法的阿爾茲海默癥分類預測方法

在審

• 申請號: 202111444876.1
• 申請日: 2021-11-30
• 公開（公告）號: CN113951834A
• 公開（公告）日: 2022-01-21
• 發明（設計）人: 郜業露;黃晃;張煉
• 申請（專利權）人: 湖南應超智能計算研究院有限責任公司
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/055;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 叢詩洋

1.一種基于視覺Transformer算法的阿爾茲海默癥分類預測方法，其特征在于，包括：

步驟1，獲取多張阿爾茲海默癥患者的核磁共振成像的圖像樣本，對多張圖像樣本進行數據預處理；

步驟2，將預處理后的多張圖像樣本進行圖像尺寸調整，得到多張尺寸調整后的圖像樣本；

步驟3，將多張尺寸調整后的圖像樣本進行切塊處理，得到多個小立方體；

步驟4，將多個小立方體進行線性映射，得到多個一維向量；

步驟5，對每一個一維向量進行位置信息添加；

步驟6，將位置信息添加后的多個一維向量輸入Transformer encoder網絡進行特征提取，Transformer encoder網絡輸出d維向量，將d維向量輸入MLP模塊，得到分類預測結果。

2.根據權利要求1所述的基于視覺Transformer算法的阿爾茲海默癥分類預測方法，其特征在于，所述步驟1具體包括：

步驟11，將多張所述圖像樣本進行AC-PC矯正，得到多張標準的圖像樣本；

步驟12，將多張標準的圖像樣本中的非腦結構進行剝離，得到多張非腦結構剝離后的圖像樣本；

步驟13，通過cat12工具箱的圖像分割算法分別將多張非腦結構剝離后的圖像樣本中的結構性數據分割成灰質、白質和腦脊液三種結構，得到多張分割后的圖像樣本；

步驟14，將多張分割后的圖像樣本通過序列線性變換配準到標準腦模板空間MNI，統一全部圖像樣本的坐標空間；

步驟15，將多張圖像樣本中的灰質圖像切片為2mm×2mm×2mm的立方體積圖像，得到多張體積尺寸為91mm×109mm×91mm的圖像樣本。

3.根據權利要求2所述的基于視覺Transformer算法的阿爾茲海默癥分類預測方法，其特征在于，所述步驟2具體包括：

步驟21，對多張體積尺寸為91mm×109mm×91mm的圖像樣本的周圍使用0進行填充，重新調整每張圖像樣本的尺寸為112mm×112mm×112mm。

4.根據權利要求3所述的基于視覺Transformer算法的阿爾茲海默癥分類預測方法，其特征在于，所述步驟3具體包括：

步驟31，設定步長為S，以S為步長按順序分別將每張尺寸為112mm×112mm×112mm的圖像樣本切割成N個14mm×14mm×14mm的小立方體。

5.根據權利要求4所述的基于視覺Transformer算法的阿爾茲海默癥分類預測方法，其特征在于，所述步驟4具體包括：

步驟41，設定Transformer encoder網絡中所有網絡層上使用恒定的D維向量，通過線性映射，將N個14mm×14mm×14mm的小立方體映射為D個14mm×14mm×14mm的一維向量。

6.根據權利要求5所述的基于視覺Transformer算法的阿爾茲海默癥分類預測方法，其特征在于，所述步驟5具體包括：

步驟51，通過一維位置編碼給每一個14mm×14mm×14mm的一維向量添加位置信息，如下所示：

PE_(pos,2i)＝sin(pos/10000^2i/d) (1)

PE_(pos,2i+1)＝cos(pos/10000^2i/d) (2)

其中，PE表示位置編碼，pos表示一維向量在整張圖像樣本的位置，d表示PE維度，i表示第i個維度，i＝1,2,3,...,d。

7.根據權利要求6所述的基于視覺Transformer算法的阿爾茲海默癥分類預測方法，其特征在于，所述步驟6具體包括：

步驟61，將添加位置信息后的D個14mm×14mm×14mm的一維向量輸入標準的Transformer encoder網絡進行特征提取，其中，Transformer encoder網絡由M個相同層組成堆棧，每一層使用殘差連接多頭注意力機制網絡和全連接層，Transformer encoder網絡輸出d維向量；

步驟62，將d維向量輸入到由兩層全連接層和非線性激活函數構成的MLP模塊，得到分類預測結果。