[发明专利]一种基于随机森林剪枝脑区选择的阿尔兹海默症预测方法

权利要求书

1.一种基于随机森林剪枝脑区选择的阿尔兹海默症预测方法，其特征在于，包括：

步骤10、对原始影像进行预处理，获取N个脑区医学形态特征然后归一化，按时间序列顺序排列，得到形态特征序列，其中，N为指定的自然数；

步骤20、采用随机森林选择方法，对所述形态特征序列按与阿尔兹海默症疾病发展的相关度从高到低进行排序，然后选出排名前M的形态特征数据，作为最相关特征，其中，M为指定的自然数；

步骤30、将待预测病例多次检查的最相关特征的时间序列作为输入，通过时间序列的深度学习模型进行预测，得到最相关特征的预测结果；

步骤40、将最相关特征的预测结果可视化，使模型具有可解释性。

2.根据权利要求1所述的方法，其特征在于：所述步骤10中，对原始影像进行预处理，具体步骤为：头骨剥离、标准化、灰质白质脑脊液分割以及脑区特征提取。

3.根据权利要求1所述的方法，其特征在于：所述步骤20具体包括：

步骤21、构造随机森林分类器；

步骤22、计算分类器分类精度，将所有的子树精度相比较获得最大局部精度，然后得出当前精度总和，当前精度最大时保存相关度排名，删除排名最后的形态特征；

步骤23、根据脑区进行循环N脑区数目次，最后保留M个形态特征作为随机森林特征选择的结果，得到最相关特征。

4.根据权利要求1所述的方法，其特征在于，所述步骤30具体包括：

步骤31、将待预测病例多次检查的原始影像进行预处理，然后根据最相关特征和检查时间得到对应的脑区医学形态特征时间序列；

步骤32、将时间序列送入全连接层建立疾病发展变化的脑区特征组合，然后送入门控递归单元模块抽取与疾病发展进程相关的脑区组合，然后将组合的脑区送入全连接层进行再次的组合，最终获取与疾病最相关的脑区的时序特征，并通过逻辑回归得到最相关特征的预测结果。

5.根据权利要求1所述的方法，其特征在于，所述步骤40具体包括：

步骤41、对所述最相关特征进行可视化；

步骤42、对所述最相关特征的预测结果进行可视化。