[发明专利]一种基于深度神经网络和多模态影像阿尔兹海默病分类方法

权利要求书

1.一种基于深度神经网络和多模态影像阿尔兹海默病分类方法，其特征在于：包括以下步骤：

步骤1：以判别阿尔兹海默病的N种类别的影像的2D和3D形式作为输入层，以分类结果的概率作为输出层，构建深度神经网络；

步骤2：对N种已知类别的影像进行预处理，得到训练样本；

步骤3：利用训练样本对所述深度神经网络进行训练，优化网络连接权重，得到最终的深度神经网络；

步骤4：将预处理后待分类的影像输入所述最终的深度神经网络，输出分类结果。

2.根据权利要求1所述的一种基于深度神经网络和多模态影像阿尔兹海默病分类方法，其特征在于：所述步骤1中N种类别影像包括MRI图像、PET图像和DTI图像，所述分类结果包括阿尔兹海默病(Alzheimer’s Disease，AD)、轻度认知障碍(Mild cognitive impairment，MCI)和正常人(Normal Control，NC)。

3.根据权利要求1所述的一种基于深度神经网络和多模态影像阿尔兹海默病分类方法，其特征在于：所述步骤1中深度神经网络包括N个2D卷积神经网络模型和N个3D卷积神经网络模型。

4.根据权利要求1所述的一种基于深度神经网络和多模态影像阿尔兹海默病分类方法，其特征在于：所述步骤2中，对影像进行预处理后得到MRI的灰质图像、PET的全脑图像和DTI具有组间差异的白质区域图像，所述训练样本包括N种2D形式图像切片和N种3D形式图像块。

5.根据权利要求1-4所述的一种基于深度神经网络和多模态影像阿尔兹海默病分类方法，其特征在于：所述步骤3中，利用训练样本的2D形式图像切片训练所述2D卷积神经网络模型，利用训练样本的3D形式图像块训练所述3D卷积神经网络模型，得到优化网络连接权重的深度神经网络。

6.根据权利要求5所述的一种基于深度神经网络和多模态影像阿尔兹海默病分类方法，其特征在于：2D卷积神经网络模型特征图求解公式为：

vijxy=tanh(bij+ΣmΣp=0Pi-1Σq=0Qi-1wijmpqv(i-1)m(x+p)(y+q))---(1);]]>

其中，i表示卷积层的序号，j表示一组特征映射中特征映射的索引值，m表示第i-1卷积层的特征映射的索引值，x表示特征映射的x坐标，y表示特征映射的y坐标，p_i表示第i卷积层中卷积核的宽度，Q_i表示表示第i卷积层中卷积核的高度，p表示卷积核的横坐标，q表示卷积核的纵坐标，表示第i卷积层得到的第j个特征映射在坐标(x,y)处的特征，表示第i-1卷积层得到的第m个特征映射在坐标(x+p,y+q)坐标处的特征，表示和第i卷积层第j个特征映射连接的位置在(p,q)处的卷积核的值，tanh()为双曲正切函数，b_ij表示特征映射的偏置。

3D卷积神经网络模型中特征图求解公式为：

vijxyz=tanh(bij+ΣmΣp=0Pi-1Σq=0Qi-1Σr=0Rwijmpqv(i-1)m(x+p)(y+q)(z+r))---(2);]]>

其中，z表示特征映射的z坐标，r表示卷积核的第三维坐标，表示第i卷积层得到的第j个特征映射在坐标(x,y,z)处的特征，表示第i-1卷积层得到的第m个特征映射在坐标(x+p,y+q,z+r)坐标处的特征，表示和第i卷积层第j个特征映射连接的位置在(p,q,r)处的卷积核的值。