[發明專利]一種基于長短時記憶的阿爾茲海默癥病程預測方法

在審

• 申請號: 202210642798.4
• 申請日: 2022-06-08
• 公開（公告）號: CN115064262A
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 洪欣;林融杰;鄒泓維;王威茂;楊晨暉;朱雅儀
• 申請（專利權）人: 華僑大學
• 主分類號: G16H50/20
• 分類號: 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

本發明提供一種基于長短時記憶的阿爾茲海默癥病程預測方法，包括：對腦部影像數據進行腦區形態特征提取，得到特征預處理數據，然后將所述特征預處理數據進行時序預處理，得到時序預處理數據；將所述時序預處理數據按照病例進行分組，每一個分組包括同一個病例的多次檢查的預處理數據并按時間順序排序，得到時間序列特征數據；根據深度神經網絡的方法通過所述時間序列特征數據中第N次和第N+1次的檢查影像對第N+2次影像的狀態預測。阿爾茲海默癥發展的病程較長，隨著時間的推移慢慢出現癥狀，疾病預測有利于早期的介入治療，延緩疾病發展過程。本發明提供的方法解決了阿爾茲海默癥病程的狀態預測問題，為醫生的影像診斷提供有效的預測診斷輔助。

技術領域

本發明涉及與阿爾茲海默癥病程預測相關的人工智能模型技術領域，特別涉及一種基于長短時記憶的阿爾茲海默癥病程預測方法。

背景技術

阿爾茲海默癥是一種起病隱匿的進行性發展的神經系統退行性疾病。

現有的阿爾茲海默癥病程預測相關的人工智能模型通過病人在發展的過程中保留的影像檢測結果，對正常人與阿爾茲海默癥患者的腦部影像的差異建立分類模型，通過將疾病狀態分為可以轉換及不能轉換的狀態區分，與正常人比較特定的腦區域是否出現萎縮現象，實現阿爾茲海默癥患者未來疾病發展判斷。

然而，現有方法無法判斷未來某個時間段阿爾茲海默癥病人的病程。

發明內容

本發明要解決的技術問題，在于提供一種基于長短時記憶的阿爾茲海默癥病程預測方法，解決了阿爾茲海默癥病程的狀態預測問題。

為了解決上述技術問題，本發明實施例是這樣實現的：

本發明提供了一種基于長短時記憶的阿爾茲海默癥病程預測方法，包括：

步驟10、對腦部影像數據進行腦區形態特征提取，得到特征預處理數據，然后將所述特征預處理數據進行時序預處理，得到時序預處理數據；

步驟20、將所述時序預處理數據按照病例進行分組，每一個分組包括同一個病例的多次檢查的預處理數據并按時間順序排序，得到時間序列特征數據；

步驟30、根據深度神經網絡的方法通過所述時間序列特征數據中第N次和第N+1次的檢查影像對第N+2次影像的狀態預測，其中，N為大于等于1的自然數。

進一步地，所述步驟10中，腦區形態特征提取包括頭骨、配準、分割、標準化、平滑以及腦區特征提取；時序預處理包括腦區形態特征提取、類別重標記、特征數據插值、數據歸一化及數據序列化。

進一步地，所述步驟20具體包括：

步驟21、將所述時序預處理數據按照病例進行分組，每一個分組包括同一個病例的多次檢查的預處理數據；

步驟22、根據預測時間步長將每一個病例的多次檢查的預處理數據分組，得到步長一致的時間序列分組數據。

進一步地，所述步驟30具體包括：

步驟31、根據前置全連接層算法與長短時記憶網絡模型算法對第N次和第N+1次的時間序列分組數據進行時間特征選擇，得到選擇結果，即最相關特征；

步驟32、通過訓練后置全連接層算法選擇最好的特征組合的方法對時間序列特征數據進行預測，得到預測結果，即N+2影像的狀態預測。

本發明實施例中提供的技術方案具有如下技術效果或優點：