[發(fā)明專利]一種基于長(zhǎng)短時(shí)記憶的阿爾茲海默癥病程預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210642798.4
• 申請(qǐng)日: 2022-06-08
• 公開（公告）號(hào): CN115064262A
• 公開（公告）日: 2022-09-16
• 發(fā)明（設(shè)計(jì)）人: 洪欣;林融杰;鄒泓維;王威茂;楊晨暉;朱雅儀
• 申請(qǐng)（專利權(quán)）人: 華僑大學(xué)
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G06T7/00;G06N3/04;G06N3/08
• 代理公司: 泉州市文華專利代理有限公司 35205
• 代理人: 陳雪瑩

1.一種基于長(zhǎng)短時(shí)記憶的阿爾茲海默癥病程預(yù)測(cè)方法，其特征在于，包括：

步驟10、對(duì)腦部影像數(shù)據(jù)進(jìn)行腦區(qū)形態(tài)特征提取，得到特征預(yù)處理數(shù)據(jù)，然后將所述特征預(yù)處理數(shù)據(jù)進(jìn)行時(shí)序預(yù)處理，得到時(shí)序預(yù)處理數(shù)據(jù)；

步驟20、將所述時(shí)序預(yù)處理數(shù)據(jù)按照病例進(jìn)行分組，每一個(gè)分組包括同一個(gè)病例的多次檢查的預(yù)處理數(shù)據(jù)并按時(shí)間順序排序，然后在每一個(gè)分組內(nèi)根據(jù)預(yù)測(cè)時(shí)間步長(zhǎng)再次分組，得到時(shí)間序列特征數(shù)據(jù)；

步驟30、根據(jù)深度神經(jīng)網(wǎng)絡(luò)的方法通過所述時(shí)間序列特征數(shù)據(jù)中第N次和第N+1次的檢查影像對(duì)第N+2次影像的狀態(tài)預(yù)測(cè)，其中，N為大于等于1的自然數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟10中，腦區(qū)形態(tài)特征提取包括頭骨、配準(zhǔn)、分割、標(biāo)準(zhǔn)化、平滑以及腦區(qū)特征提取；時(shí)序預(yù)處理包括腦區(qū)形態(tài)特征提取、類別重標(biāo)記、特征數(shù)據(jù)插值、數(shù)據(jù)歸一化及數(shù)據(jù)序列化。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟20具體包括：

步驟21、將所述時(shí)序預(yù)處理數(shù)據(jù)按照病例進(jìn)行分組，每一個(gè)分組包括同一個(gè)病例的多次檢查的預(yù)處理數(shù)據(jù)；

步驟22、根據(jù)預(yù)測(cè)時(shí)間步長(zhǎng)將每一個(gè)病例的多次檢查的預(yù)處理數(shù)據(jù)分組，得到步長(zhǎng)一致的時(shí)間序列分組數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟30具體包括：

步驟31、根據(jù)前置全連接層算法與長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型算法對(duì)第N次和第N+1次的時(shí)間序列分組數(shù)據(jù)進(jìn)行時(shí)間特征選擇，得到選擇結(jié)果，即最相關(guān)特征；

步驟32、通過訓(xùn)練后置全連接層算法選擇最好的特征組合的方法對(duì)時(shí)間序列特征數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果，即N+2影像的狀態(tài)預(yù)測(cè)。