申请/专利权人：常州工学院

申请日：2023-02-15

公开（公告）日：2023-05-26

公开（公告）号：CN116168836A

主分类号：G16H50/30

分类号：G16H50/30;A61B5/00;G16H50/20;G06T7/33;G06T5/00;G06T7/11;G16B20/20;G06F18/214;G06F18/25;G06F18/2431;G06N5/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.13#实质审查的生效;2023.05.26#公开

摘要：本发明涉及基因组学数据技术领域，尤其涉及一种融合fMRI影像和基因组学数据的阿尔茨海默症预测方法，针对现有技术模型训练时间长，多特征分类的周期长，多特征分类准确率低等问题，现提出如下方案，包括以下步骤：S1：功能影像的预处理：从ADNI获取得到的Fmri影像进行AC校正，分割，配准到标准空间，计算roi信号；本发明的目的是通过对于不同形式的高维数据，进行相关分析方法检测脑区与基因之间的关系，选用的数据集中的样本具有普遍性，提出的特征构建方法和随机森林‑Apriori模型具有良好的适用性和分类能力，同时融合基因信息和影像数据，对于多特征分类的计算我们设计的模型大大减少了所花费的时间，提高了分类的效率和准确性。

主权项：1.一种融合fMRI影像和基因组学数据的阿尔茨海默症预测方法，其特征在于，包括以下步骤：S1：功能影像的预处理：从ADNI获取得到的Fmri影像进行AC校正，分割，配准到标准空间，计算roi信号；S2：gene数据的处理：筛选基因内snp个数大于130的基因，截取基因前130个基因序列点，最终筛选出280个gene，共提取36400个snp；S3：融合基因信息和影像：将snp的四种碱基转换为不同的标签，使用皮尔逊相关分析、作为候选方法与脑区的roi信号构建“脑区基因对”，取脑区基因对和样本对应的MMSE的值的乘积作为特征矩阵；S4：特征提取及模型建立：通过模板提取特征，并采用70％的特征作为训练集；S5：模型比对：将剩余的30％作为验证集，将样本输入到已经训练好的预测模型中，进行样本的概率预测并通过验证框架比对模型验证模型的性能。

全文数据：

权利要求：

百度查询： 常州工学院 一种融合fMRI影像和基因组学数据的阿尔茨海默症预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD