[发明专利]一种基于深度森林的阿尔兹海默病分类方法

权利要求书

1.一种基于深度森林的阿尔兹海默病分类方法，其特征在于：包括以下步骤：

步骤1：将检测阿尔兹海默病的MRI图像作为多粒度扫描的输入，所述多粒度扫描的输出连接级联森林，所述级联森林输出MRI图像的一个类向量，完成深度森林模型的构建；

步骤2：对若干已知类别的MRI图像进行预处理；

步骤3：所述深度森林模型扩展一级，则利用预处理后的MRI图像进行训练和测试，当测试结果没有显著提高，则完成训练，否则扩展下一级继续训练；

步骤4：将预处理后待分类的MRI图像输入到训练完成的深度森林，输出得到该MRI图像的分类结果。

2.根据权利要求1所述的一种基于深度森林的阿尔兹海默病分类方法，其特征在于：步骤2中，所述预处理的具体步骤如下：

S201：对MRI图像进行AC-PC原点矫正；

S202：将每个矫正后的MRI图像进行分割，得到MRI灰质图像；

S203：将所述MRI灰质图像标准化到统一的MNI模板，使每个MRI灰质图像的大小统一；

S204：对标准化后的MRI灰质图像进行平滑和下采样处理，并将处理后的图像进行切片，得到预处理后的MRI图像，所述MRI图像分为训练样本和测试样本。

3.根据权利要求1和2所述的一种基于深度森林的阿尔兹海默病分类方法，其特征在于：步骤3中，训练和测试的具体步骤为：

S301：将所述训练样本作为多粒度扫描的输入，所述多粒度扫描的滑动窗口在所述训练样本上滑动扫描特征，从而生成一个变换特征向量；

S302：改变N次所述滑动窗口大小，重复步骤S301，得到N个变换特征向量；

S303：将所述N个变换特征向量作为级联森林的输入，所述级联森林扩展一级，则训练一次；

S304：将所述测试样本输入到训练后的深度森林进行测试，输出测试结果，当测试结果没有显著提高，则完成训练，否则更换下一个训练样本，跳转至步骤S301。

4.根据权利要求1所述的一种基于深度森林的阿尔兹海默病分类方法，其特征在于：所述步骤4中，所述深度森林输出一个类向量，所述类向量为不同类别的MRI图像概率向量的最大值，所述MRI图像的分类结果包括阿尔兹海默病(AD)、轻度认知障碍(MCI)和正常人(NC)。