1.一种基于长短时记忆的阿尔兹海默症病程预测方法,其特征在于,包括:步骤10、对脑部影像数据进行脑区形态特征提取,得到特征预处理数据,然后将所述特征预处理数据进行时序预处理,得到时序预处理数据;
步骤20、将所述时序预处理数据按照病例进行分组,每一个分组包括同一个病例的多次检查的预处理数据并按时间顺序排序,然后在每一个分组内根据预测时间步长再次分组,得到时间序列特征数据;
步骤30、根据深度神经网络的方法通过所述时间序列特征数据中第N次和第N+1次的检查影像对第N+2次影像的状态预测,其中,N为大于等于1的自然数,具体包括:步骤31、根据前置全连接层算法与长短时记忆网络模型算法对第N次和第N+1次的时间序列分组数据进行时间特征选择,得到选择结果,即最相关特征;
步骤32、通过训练后置全连接层算法选择最好的特征组合的方法对时间序列特征数据进行预测,得到预测结果,即N+2影像的状态预测。
2.根据权利要求1所述的方法,其特征在于:所述步骤10中,脑区形态特征提取包括头骨、配准、分割、标准化、平滑以及脑区特征提取;时序预处理包括脑区形态特征提取、类别重标记、特征数据插值、数据归一化及数据序列化。
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、将所述时序预处理数据按照病例进行分组,每一个分组包括同一个病例的多次检查的预处理数据;
步骤22、根据预测时间步长将每一个病例的多次检查的预处理数据分组,得到步长一致的时间序列分组数据。