[发明专利]一种基于深度神经网络的AD特征参数筛选方法及系统

权利要求书

1.一种基于深度神经网络的AD特征参数筛选方法，其特征在于，包括：

获取AD初始特征参数；将所述初始特征参数作为深度神经网络模型的输入；

对所述深度学习神经网络模型进行输入层节点刺激，得到输入层对应刺激的神经元节点值和刺激前后模型输出值的相对变化值；

将所述输入层对应刺激的神经元节点值和所述刺激前后模型输出值的相对变化值进行线性拟合；

根据拟合结果对所述初始特征参数进行筛选，确定AD特征参数。

2.根据权利要求1所述的基于深度神经网络的AD特征参数筛选方法，其特征在于，所述AD初始特征参数包括脑区体素、代谢物浓度以及个体特征。

3.根据权利要求1所述的基于深度神经网络的AD特征参数筛选方法，其特征在于，所述对所述深度学习神经网络模型进行输入层节点刺激，包括：

按照原神经元节点特征值的0.6-1.4倍进行改变。

4.根据权利要求1所述的基于深度神经网络的AD特征参数筛选方法，其特征在于，所述拟合结果表示输入层神经元节点的变化对所述深度学习神经网络模型的输出值的影响程度。

5.一种基于深度神经网络的AD特征参数筛选系统，其特征在于，包括：

初始特征参数获取模块，用于获取AD初始特征参数；将所述初始特征参数作为深度神经网络模型的输入；

刺激模块，用于对所述深度学习神经网络模型进行输入层节点刺激，得到输入层对应刺激的神经元节点值和刺激前后模型输出值的相对变化值；

拟合模块，用于将所述输入层对应刺激的神经元节点值和所述刺激前后模型输出值的相对变化值进行线性拟合；

筛选模块，用于根据拟合结果对所述初始特征参数进行筛选，确定AD特征参数。

6.根据权利要求5所述的基于深度神经网络的AD特征参数筛选系统，其特征在于，所述AD初始特征参数包括脑区体素、代谢物浓度以及个体特征。

7.根据权利要求5所述的基于深度神经网络的AD特征参数筛选系统，其特征在于，所述对所述深度学习神经网络模型进行输入层节点刺激，包括：

按照原神经元节点特征值的0.6-1.4倍进行改变。

8.根据权利要求5所述的基于深度神经网络的AD特征参数筛选系统，其特征在于，所述拟合结果表示输入层神经元节点的变化对所述深度学习神经网络模型的输出值的影响程度。