[发明专利]一种基于3D卷积神经网络的脑疾病诊断方法

权利要求书

1.基于3D卷积神经网络的脑疾病诊断方法，其特征是包括以下步骤：

(1)样本获取：获取MRI脑图像数据，包含正常样本和疾病样本；

(2)预处理：对所获取的MRI脑图像数据进行预处理，包括脑组织提取以及样本标准化；

(3)神经网络设计：设计用于脑疾病诊断的3D卷积神经网络；

(4)特征提取及模型建立：将冠状面、矢状面、横断面的MRI脑图像分别作为3D卷积神经网络的输入，进行网络训练提取出特征并建立分类诊断模型；

(5)诊断：对待测人员的MRI脑图像进行预处理，得到标准化脑组织，将其作为输入送到训练好的3D卷积神经网络诊断模型中，得到待测者的输出标签，判断其是否患病。

2.根据权利要求1所述的基于3D卷积神经网络的脑疾病诊断方法，其特征是所述步骤(1)样本获取，包含以下具体步骤：选取ADNI公共数据集中6000个MRI脑图像，包括阿尔兹海姆症患者、轻度认知障碍患者和正常人三个类别，每种类别的MRI脑图像均为2000个样本，将其按照9：1的比例划分为5400个样本的训练集和600个样本的测试集。

3.根据权利要求1所述的基于3D卷积神经网络的脑疾病诊断方法，其特征是所述步骤(2)预处理，包含以下具体步骤：

1)通过全局阈值分割法去除不包含大脑的无效切片；

2)通过前联合-后联合矫正调整在MRI脑图像获取时被试人员头部不规范的姿势；

3)对MRI脑图像进行颅骨剥离以及小脑移除，从而得到完整单一的大脑组织；

4)通过调整空间分辨率、使用N3算法矫正强度不均匀性、使用三线性插值法重采样，将所有提取的脑组织图像标准化到统一的样本空间，以消除不同成像设备获得的MRI脑图像之间的差异。

4.根据权利要求3所述的基于3D卷积神经网络的脑疾病诊断方法，其特征是所述步骤4)具体为：调整MRI的空间分辨率至1*1*1mm³，使用N3算法矫正强度不均匀性以及使用三线性插值法进行重采样至128*128*128，将所有处理过的脑影像标准化到一个统一的样本空间。

5.根据权利要求1所述的基于3D卷积神经网络的脑疾病诊断方法，其特征是所述步骤(3)神经网络设计，包含以下具体步骤：

1)3D卷积神经网络分别以冠状面、横断面和矢状面的若干张MRI脑图像切片作为输入；

2)特征提取：3D卷积神经网络对冠状面、横断面和矢状面的MRI脑图像分别进行特征提取得到3个不同的特征矩阵；

3)在特征矩阵数量维度上将3个特征矩阵进行特征拼接，再使用3D卷积、最大池化以及全局均值池化操作，将拼接的特征矩阵抽象为1维的特征向量；

4)使用2个全连接层与1个softmax层对脑疾病类型进行分类。