申请/专利权人:山东宝德龙健身器材有限公司
申请日:2024-01-10
公开(公告)日:2024-05-17
公开(公告)号:CN118044785A
主分类号:A61B5/00
分类号:A61B5/00;A61B5/369;A61B5/372;A61B5/055
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本发明提供一种基于多模态的阿尔兹海默症特征融合分析方法,方法包括:获取脑电信号和三维MRI图像;再进行预处理;通过注意力机制捕获经1DCNN模型所获得的深度特征各通道之间的依赖关系,以获得脑电信号的特征图;还基于ViT模型提取MRI图像的深度特征向量;基于张量融合方式得到融合特征信息;使用支持向量机作为融合网络模型的分类器,采用融合特征信息训练支持向量机的模型参数;使用支持向量机是数据库中的阿尔兹海默症信息进行分析,得到阿尔兹海默症信息的状态。本发明既考虑了模态间的特征相关性又保留了各特定模态的信息特征。加入注意力机制,能有效选择和提取深度特征,解决了海量数据处理,而导致计算时间长的问题。
主权项:1.一种基于多模态的阿尔兹海默症特征融合分析方法,其特征在于,方法包括:S1:获取具有阿尔兹海默症的脑电信号和三维MRI图像、具有轻度认知障碍的脑电信号和三维MRI图像以及健康状态的脑电信号和三维MRI图像;S2:分别对脑电信号和三维MRI图像进行预处理;S3:基于1DCNN模型的迁移学习对脑电信号的深度特征向量进行提取,并通过注意力机制捕获经1DCNN模型所获得的深度特征各通道之间的依赖关系,并计算特征区域各个位置的权重信息,以获得脑电信号的特征图;还基于ViT模型的迁移学习提取MRI图像的深度特征向量;S4:基于张量融合方式对步骤S3中的脑电信号的特征图和MRI图像的深度特征向量进行处理得到融合特征信息,并使用主成分分析法剔除融合特征信息的冗余信息;S5:使用支持向量机作为融合网络模型的分类器,采用融合特征信息训练支持向量机的模型参数;S6:使用步骤S5中的支持向量机对数据库中未分类的阿尔兹海默症信息进行分析,得到阿尔兹海默症信息的状态。
全文数据:
权利要求:
百度查询: 山东宝德龙健身器材有限公司 一种基于多模态的阿尔兹海默症特征融合分析方法及终端
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。