申请/专利权人：山东第一医科大学附属省立医院(山东省立医院)

申请日：2020-08-21

公开（公告）日：2024-03-08

公开（公告）号：CN111914952B

主分类号：G06F18/2113

分类号：G06F18/2113;G06F18/213;G06F18/2415;G06N3/047;G06N3/0985;G16H50/20

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2024.02.09#专利申请权的转移;2020.11.27#实质审查的生效;2020.11.10#公开

摘要：本发明公开了一种基于深度神经网络的AD特征参数筛选方法及系统。该方法包括：获取AD初始特征参数；将所述初始特征参数作为深度神经网络模型的输入；对所述深度学习神经网络模型进行输入层节点刺激，得到输入层对应刺激的神经元节点值和刺激前后模型输出值的相对变化值；将所述输入层对应刺激的神经元节点值和所述刺激前后模型输出值的相对变化值进行线性拟合；根据拟合结果对所述初始特征参数进行筛选，确定AD特征参数。本发明通过改变输入层参数值并于对应预测结果进行线性拟合得出关于输出的高相关量，相比于现有方法运算量低、无需进行协方差等复杂计算，使得所采用模型对AD特征参数的筛选更加快速、精准。

主权项：1.一种基于深度神经网络的AD特征参数筛选方法，其特征在于，包括：获取AD初始特征参数；将所述初始特征参数作为深度神经网络模型的输入；所述AD初始特征参数包括脑区体素、代谢物浓度以及个体特征；对所述深度神经网络模型进行输入层节点刺激，得到输入层对应刺激的神经元节点值和刺激前后模型输出值的相对变化值；具体包括：对深度神经网络模型进行输入层节点刺激，即遍历输入层每个节点，按照原神经元节点特征值的0.6倍至1.4倍进行改变，得出输入层对应刺激的神经元节点值和刺激前后模型输出值的相对变化值；将所述输入层对应刺激的神经元节点值和所述刺激前后模型输出值的相对变化值进行线性拟合；根据拟合结果对所述初始特征参数进行筛选，确定AD特征参数；所述拟合结果表示输入层神经元节点的变化对所述深度神经网络模型的输出值的影响程度；具体包括：当模型输出值随输入层神经元节点值的增加而增加，即模型输出值趋向于1时，称作正向促进患病概率，当模型输出值随输入层神经元节点值的增加而减小，即模型输出值趋向于0时，称作反向抑制患病概率。

全文数据：

权利要求：

百度查询： 山东第一医科大学附属省立医院(山东省立医院) 一种基于深度神经网络的AD特征参数筛选方法及系统

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。

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