[发明专利]基于深度学习的阿尔茨海默病多分类诊断系统在审
| 申请号： | 201910435384.2 | 申请日： | 2019-05-23 |
| 公开（公告）号： | CN110236543A | 公开（公告）日： | 2019-09-17 |
| 发明（设计）人： | 潘乔;陈德华;王梅;鉏家欢;张敬谊;王晔;张鑫金 | 申请（专利权）人： | 东华大学;万达信息股份有限公司 |
| 主分类号： | A61B5/055 | 分类号： | A61B5/055 |
| 代理公司： | 上海泰能知识产权代理事务所 31233 | 代理人： | 宋缨;钱文斌 |
| 地址： | 201620 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的阿尔茨海默病多分类诊断系统，包括：图像特征提取模块，用于根据神经网络模型对大脑三正交平面MRI图像的特征向量进行提取；指标特征选择模块，用于根据医学相关文献选择检查指标组成指标特征向量；向量线性融合模块，用于采用基于典型相关分析的多元数据线性融合方法将图像的特征向量和指标特征向量进行融合；疾病分类诊断模块，用于将融合后的向量输入多分类分类器来区分阿尔茨海默病的三个阶段。本发明能够辅助阿尔茨海默症的多分类诊断。 | ||
| 搜索关键词： | 向量 阿尔茨海默病 指标特征 分类 特征向量 线性融合 诊断系统 图像特征提取模块 阿尔茨海默症 神经网络模型 多元数据 疾病分类 文献选择 选择模块 诊断模块 正交平面 指标组成 分类器 融合 大脑 图像 诊断 学习 医学 分析 检查 | ||
【主权项】：
1.一种基于深度学习的阿尔茨海默病多分类诊断系统，其特征在于，包括：图像特征提取模块，用于根据神经网络模型对大脑三正交平面MRI图像的特征向量进行提取；指标特征选择模块，用于根据医学相关文献选择检查指标组成指标特征向量；向量线性融合模块，用于采用基于典型相关分析的多元数据线性融合方法将图像的特征向量和指标特征向量进行融合；疾病分类诊断模块，用于将融合后的向量输入多分类分类器来区分阿尔茨海默病的三个阶段。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东华大学;万达信息股份有限公司，未经东华大学;万达信息股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910435384.2/，转载请声明来源钻瓜专利网。
