[發明專利]一種阿爾茲海默癥智能輔助診斷系統

在審

• 申請號: 202210401505.3
• 申請日: 2022-04-18
• 公開（公告）號: CN114512236A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 鄭元杰;楊新波;韓澤宇;李曉潔;張建峰;蓋新亭
• 申請（專利權）人: 山東師范大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N3/08;G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 趙妍

本發明涉及深度學習技術領域，公開了一種阿爾茲海默癥智能輔助診斷系統，包括：模型訓練模塊，用于基于訓練集和正則化的交叉熵損失函數，采用隨機梯度下降優化方法，對Softmax回歸神經網絡模型進行訓練，得到訓練好的Softmax回歸神經網絡模型；其中，正則化的交叉熵損失函數包括交叉熵損失項和L2范數正則化項兩部分；數據獲取模塊，用于獲取待診斷用戶的特征；數據預處理模塊，用于對待診斷用戶的特征進行預處理，得到格式化特征；診斷模塊，用于將待診斷用戶的格式化特征輸入訓練好的Softmax回歸神經網絡模型，得到將待診斷用戶的阿爾茲海默癥的病理分期。為醫生的診斷結果和病人的后期治療提供準確有效的參考。

技術領域

本發明涉及深度學習技術領域，特別是涉及一種阿爾茲海默癥智能輔助診斷系統。

背景技術

本部分的陳述僅僅是提到了與本發明相關的背景技術，并不必然構成現有技術。

阿爾茲海默癥是一種多發于老年人群的神經系統疾病，患有阿爾茲海默癥的病人多表現為記憶障礙、認知障礙，并可能伴有偏癱、語言能力損失等癥狀。然而，目前關于阿爾茲海默癥的致病原因尚未有準確論斷，并且依然不存在有效的治療手段，但是對阿爾茲海默癥早期進行適當的干預治療，可以有效的延緩甚至可以改變阿爾茲海默癥的發生，所以對阿爾茲海默癥的早期診斷和分類是醫學界一直關注的問題。

β-淀粉樣肽在細胞外斑塊的非生理性積累和過度磷酸化tau蛋白在細胞內神經纖維纏結(NFT)的聚集構成了人腦阿爾茨海默病的神經病理學特征。雖然這些病理變化的可靠檢測傳統上僅限于尸檢后的組織病理學檢查，但目前的正電子發射斷層攝影法（PET）和腦脊液（CSF）生物標志物已經能夠在體內對其進行準確評估。這些生物標志物因此為阿爾茨海默病的檢測和鑒別診斷提供了臨床相關信息。然而，這些專業技術受到相對較高的成本、侵入性和常規臨床的可用性的限制，這阻礙了它們在臨床實踐中的廣泛應用，而且診斷過程增加了醫生的工作量。

發明內容

為了解決現有技術的不足，本發明提供了一種阿爾茲海默癥智能輔助診斷系統，實現了對阿爾茲海默癥的快速診斷和病理分期，為醫生的診斷結果和病人的后期治療提供準確有效的參考。

本發明提供了一種阿爾茲海默癥智能輔助診斷系統；

一種阿爾茲海默癥智能輔助診斷系統，包括：

模型訓練模塊，用于基于訓練集和正則化的交叉熵損失函數，采用隨機梯度下降優化方法，對Softmax回歸神經網絡模型進行訓練，得到訓練好的Softmax回歸神經網絡模型；其中，正則化的交叉熵損失函數包括交叉熵損失項和L2范數正則化項兩部分；

數據獲取模塊，用于獲取待診斷用戶的特征；

數據預處理模塊，用于對待診斷用戶的特征進行預處理，得到格式化特征；

診斷模塊，用于將待診斷用戶的格式化特征輸入訓練好的Softmax回歸神經網絡模型，得到將待診斷用戶的阿爾茲海默癥的病理分期。

進一步的，所述Softmax回歸神經網絡模型的輸入層的神經元個數為所述特征的數量。

進一步的，所述Softmax回歸神經網絡模型的輸出層的神經元個數為所述病理分期的類別數。

進一步的，所述對Softmax回歸神經網絡模型進行訓練具體為，根據設定的訓練次數和學習率，不斷的對Softmax回歸神經網絡模型的所有權重和偏置參數進行更新，直到滿足退出條件。

進一步的，所述Softmax回歸神經網絡模型的權重的個數為所述特征的數量與所述病理分期的類別數的乘積。

進一步的，所述Softmax回歸神經網絡模型的偏置參數的個數為所述病理分期的類別數。

進一步的，所述退出條件為：訓練次數達到所述設定的訓練次數；或者，學習率達到預設值。

進一步的，所述待診斷用戶的特征包括血漿P-tau181測量值、性別、年齡和體重。