龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：广东工业大学
摘要：本发明提供一种基于多示例学习和多尺度特征融合的AD分类方法，首先获取sMRI影像，随后对sMRI影像进行斑块分割，获取若干个不重叠的大斑块；将大斑块输入大斑块模型中提取特征和权重；将权重最高的若干个大斑块二次分割为小斑块，将小斑块输入小斑块模型中提取特征，并与大斑块特征融合，获取多尺度融合特征和小斑块的权重；最终根据大斑块的特征和多尺度融合特征获取AD分类结果，并根据大斑块和小斑块的权重获取对AD分类结果贡献度最大的斑块；本发明能够识别出对分类结果有重大贡献度的大脑区域，不仅预测影像标签，同时还能找到触发影像标签的关键示例之处，提高了阿尔茨海默症分类的准确率和泛化能力。
主权项：1.一种基于多示例学习和多尺度特征融合的AD分类方法，其特征在于，包括以下步骤：S1：获取sMRI数据集并进行预处理；所述sMRI数据集包括若干个受试者三维的sMRI影像；S2：建立大斑块模型和小斑块模型；所述大斑块模型与小斑块模型连接；S3：对每张预处理后的sMRI影像进行斑块分割，并通过熵筛选获取若干个不重叠的大斑块；所述大斑块的大小为第一尺寸；对于每张预处理后的sMRI影像，将所有大斑块输入大斑块模型中，获取每个大斑块的特征和权重，以及所有大斑块的融合特征；S4：将权重大于预设阈值的若干个大斑块分别进行二次分割，分别对应获取若干个小斑块；所述小斑块的大小为第二尺寸；将每个被二次分割的大斑块的特征及其对应的所有小斑块共同输入小斑块模型，获取多尺度融合特征，以及每个小斑块的权重；S5：对于每张预处理后的sMRI影像，将所有大斑块的融合特征和多尺度融合特征进行二次融合，获取AD分类结果；并根据每个大斑块和小斑块的权重获取对AD分类结果贡献度最大的斑块；S6：重复若干次步骤S3～S5，对所述大斑块模型和小斑块模型进行迭代训练，获取训练好的大斑块模型和小斑块模型；S7：获取待分类的受试者sMRI影像，利用训练好的大斑块模型和小斑块模型对待分类的受试者sMRI影像进行AD分类。
全文数据：
权利要求：
百度查询： 广东工业大学 基于多示例学习和多尺度特征融合的AD分类方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号