[发明专利]一种应用于阿尔茨海默氏症的患病风险评估方法

说明书

本发明公开了一种应用于阿尔茨海默氏症的患病风险评估方法，包括：获取过往患者的病情描述数据，病情描述数据包括脑部影像数据、精神心理测评数据、语言数据和电子病历数据；对脑部影像数据进行预处理，从过往患者的病情描述数据中提取特征数据；根据特征数据构建患病风险评估模型M；获取目标对象的病情描述数据，输入患病风险评估模型M₂进行评估目标对象是否存在患病风险。本方案提出的患病风险评估模型利用双线性残差网络构架和混合注意力模块提高了评估模型的评估范围，减小了因网络加深导致准确率下降的影响，保证了评估数据的准确性，同时，采用多核函数进一步提高了评估数据的准确性，提高了评估模型的泛化能力，保证了评估准确性的稳定。

技术领域

本发明属于医学影像分析技术领域，具体是一种应用于阿尔茨海默氏症的患病风险评估方法。

背景技术

阿尔兹海默症(AD)是一种不可逆的神经退行性疾病，患者大脑随着病程的发展出现一定的脑萎缩情况，并且随着年龄的增长而隐藏恶化。临床表现为一系列精神和认知障碍，包括记忆力下降、行为改变，影响人们的正常生活能。AD的患病原因不明确且病程不可逆，尚没有药物可以治愈AD。因此，对疑似患病的人群进行患病风险评估，对于及时采取措施干预治疗、减缓患者病情发展具有重要意义。

例如中国专利，公布号为CN114628034A的专利公开了一种阿尔兹海默症评估方法、系统、设备及存储介质，该方法包括：获取目标对象的多模态病情描述数据；基于多模态注意力机制，获取多模态病情描述数据中任意两个方面的病情观测数据之间的融合特征，并将所有融合特征进行拼接，得到多模态特征；将多模态特征输入到神经网络评估模型中，评估出目标对象是否处于阿尔兹海默症早期发病高风险阶段。

该专利通过softmax函数构建神经网络评估模型以评估目标对象是否处于存在阿尔兹海默症患病风险，但是softmax函数构建的评估模型泛化能力不佳，导致评估的准确率不稳定，因此，我们提出了一种应用于阿尔兹海默氏症的患病风险评估方法。

发明内容

为了解决现有技术中softmax函数构建的评估模型泛化能力不佳，导致评估的准确率不稳定的问题，本发明的目的是提供一种应用于阿尔茨海默氏症的患病风险评估方法。

为了实现上述目的，本发明的技术方案如下：一种应用于阿尔茨海默氏症的患病风险评估方法，包括如下步骤：

S1、获取过往患者的病情描述数据，病情描述数据包括脑部影像数据、精神心理测评数据、语言数据和电子病历数据；

S2、对脑部影像数据进行预处理，从过往患者的病情描述数据中提取特征数据；

S3、构建患病风险评估模型M，包括如下步骤：

S31、根据特征数据搭建双线性残差网络框架和混合注意力模块；

S32、将混合注意力模块嵌入双线性残差网络框架得到深度双线性残差网络评估模型M₁；

S33、基于深度双线性残差网络评估模型M₁，添加多核函数得到双线性-残差-多核函数模型M₂；

S34、特征数据输入双线性-残差-多核函数模型M₂，经分类训练后得到患病风险评估模型M；

S4、获取目标对象的病情描述数据，提取病情描述数据特征，将特征输入患病风险评估模型M₂进行评估目标对象是否存在患病风险。

进一步，预处理包括格式转化、图像分割、配准与空间标准化、平滑处理和图像数据增强。

进一步，图像分割采用cat12工具箱将脑部图像数据分割成灰质、白质和脑脊液三个区域，再按区域分割为若干8-12mm*8-12mm*8-12mm的图像样本。