欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018111672937
申请人: 广州市本真网络科技有限公司
专利类型:发明专利
专利状态:未下证
专利领域: 医学或兽医学;卫生学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于集成学习的阿尔茨海默症确定方法,其特征在于:包括以下步骤:获取阿尔茨海默症的磁共振成像数据;

基于卷积神经网络,对磁共振成像数据进行训练,得到基分类器;

对基分类器进行集成学习,得到集成分类器;

根据集成分类器得到分类结果作为阿尔茨海默症的确定结果。

2.根据权利要求1所述的基于集成学习的阿尔茨海默症确定方法,其特征在于:所述获取阿尔茨海默症的磁共振成像数据这一步骤,包括以下步骤:通过ADNI数据库获取阿尔茨海默症的磁共振成像数据;

对阿尔茨海默症的磁共振成像数据进行预处理;

其中,所述对阿尔茨海默症的磁共振成像数据进行预处理这一步骤,包括以下步骤:对阿尔茨海默症的磁共振成像数据进行去头骨处理;

将去头骨处理后的磁共振成像数据配准至MNI标准空间;

对MNI标准空间内的磁共振成像数据进行图像平滑处理;

对图像平滑处理后的磁共振成像数据进行灰度归一化处理;

对灰度归一化处理后的磁共振成像数据进行切片处理;

对切片处理后的磁共振成像数据进行尺寸统一处理。

3.根据权利要求1所述的基于集成学习的阿尔茨海默症确定方法,其特征在于:还包括对磁共振成像数据进行数据扩充处理这一步骤,所述对磁共振成像数据进行数据扩充处理这一步骤,具体包括以下步骤:对磁共振成像数据进行旋转处理;

对旋转处理后的磁共振成像数据进行平移处理;

对平移处理后的磁共振成像数据进行伽马校正;

对伽马校正后的磁共振成像数据进行随机噪声处理;

对随机噪声处理后的磁共振成像数据进行缩放处理;

对缩放处理后的磁共振成像数据进行随机仿射变换处理。

4.根据权利要求1所述的基于集成学习的阿尔茨海默症确定方法,其特征在于:所述基于卷积神经网络,对磁共振成像数据进行训练,得到基分类器这一步骤,其具体为:基于卷积神经网络,采用并行处理方法,对磁共振成像数据进行训练,得到多个基分类器。

5.根据权利要求4所述的基于集成学习的阿尔茨海默症确定方法,其特征在于:还包括对基分类器进行第一筛选这一步骤,所述对基分类器进行第一筛选这一步骤,包括以下步骤:根据K折交叉验证方法的折数K对磁共振成像数据进行数据集划分,得到磁共振成像数据的训练集和磁共振成像数据的测试集;

逐一对磁共振成像数据的训练集进行单切片的基分类器训练,直至所有磁共振成像数据的训练集都训练完成;

基于预设的顺序,对磁共振成像数据训练集的坐标进行排列,得到切片映射表;

基于预设的群体规模和切片映射表,对染色体进行编码;

根据编码后的染色体和切片映射表,通过训练得到基分类器构造三轴集成分类器;

获取三轴集成分类器的分类准确率和染色体的适应度值;

当染色体的适应度值满足预设条件时,得到最优染色体,并根据最优染色体确定对应的最优基分类器;反之,则执行下一步骤;

采用基于轮盘赌选择法的选择算子,选择优良染色体;

采用基于单点交叉算法的交叉算子,在优良染色体上生成交叉位置;

对交叉位置上的基因进行位置交换;

根据位置变换后的基因,选取最优染色体,并根据最优染色体与切片映射表的映射关系对最优染色体进行解码,最终确定对应于所述最优染色体的基分类器。

6.根据权利要求4所述的基于集成学习的阿尔茨海默症确定方法,其特征在于:还包括对基分类器进行第二筛选这一步骤,所述对基分类器进行第二筛选这一步骤具体包括:对训练得到的同一坐标轴方向的多个基分类器进行效果测试;

根据测试效果的排列顺序,选取预设个数的基分类器。

7.根据权利要求6所述的基于集成学习的阿尔茨海默症确定方法,其特征在于:所述对基分类器进行集成学习,得到集成分类器这一步骤,包括以下步骤:对三个坐标轴方向的多切片基分类器进行集成,生成三个单轴集成分类器;

对分别对应于三个坐标轴方向的三个单轴集成分类器进行集成,生成三轴集成分类器。

8.根据权利要求7所述的基于集成学习的阿尔茨海默症确定方法,其特征在于:所述对三个坐标轴方向的多切片基分类器进行集成,生成三个单轴集成分类器这一步骤,包括以下步骤:对选取的基分类器进行集成,得到单轴集成分类器;

采用投票法对选取的基分类器的分类结果进行表决,得到单轴集成分类器的分类结果;

所述对分别对应于三个坐标轴方向的三个单轴集成分类器进行集成,生成三轴集成分类器这一步骤,包括以下步骤:对分别对应于三个坐标轴方向的三个单轴集成分类器进行集成,得到三轴集成分类器;

采用投票法对三个单轴集成分类器的分类结果进行表决,得到三轴集成分类器的分类结果。

9.基于集成学习的阿尔茨海默症确定系统,其特征在于:包括:获取模块,用于获取阿尔茨海默症的磁共振成像数据;

训练模块,用于基于卷积神经网络,对磁共振成像数据进行训练,得到基分类器;

集成模块,用于对基分类器进行集成学习,得到集成分类器;

分类模块,用于根据集成分类器得到分类结果作为阿尔茨海默症的确定结果。

10.基于集成学习的阿尔茨海默症确定系统,其特征在于:包括:至少一个处理器;

至少一个存储器,用于存储至少一个程序;

当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-8任一项所述的基于集成学习的阿尔茨海默症确定方法。