-
公开(公告)号：CN115064263B
公开(公告)日：2024-08-06
申请号：CN202210642807.X
申请日：2022-06-08
Applicant: 华侨大学
Abstract: 本发明公开了一种基于随机森林剪枝脑区选择的阿尔兹海默症预测方法，包括如下步骤：原始影像首先通过数据预处理，获取各个脑区的医学形态特征，并按时间序列顺序排列，得到形态特征序列；采用随机森林选择方法，对所述形态特征序列按与阿尔兹海默症疾病发展的相关度从高到低进行排序，然后选出排名靠前的形态特征数据，得到最相关特征；将最相关特征的时间序列作为输入，使用递归神经网络抽取时序特征，然后通过逻辑回归算法得到阿尔兹海默症病程发展的最相关特征的预测结果；最后将所述最相关特征的预测结果可视化。本发明提供的方法，不仅解决了阿尔兹海默症的相关特征提取与病程预测的问题，还解决了模型的可解释性问题。
-
公开(公告)号：CN115064263A
公开(公告)日：2022-09-16
申请号：CN202210642807.X
申请日：2022-06-08
Applicant: 华侨大学
Abstract: 本发明公开了一种基于随机森林剪枝脑区选择的阿尔兹海默症预测方法，包括如下步骤：原始影像首先通过数据预处理，获取各个脑区的医学形态特征，并按时间序列顺序排列，得到形态特征序列；采用随机森林选择方法，对所述形态特征序列按与阿尔兹海默症疾病发展的相关度从高到低进行排序，然后选出排名靠前的形态特征数据，得到最相关特征；将最相关特征的时间序列作为输入，使用递归神经网络抽取时序特征，然后通过逻辑回归算法得到阿尔兹海默症病程发展的最相关特征的预测结果；最后将所述最相关特征的预测结果可视化。本发明提供的方法，不仅解决了阿尔兹海默症的相关特征提取与病程预测的问题，还解决了模型的可解释性问题。
-
公开(公告)号：CN115064262B
公开(公告)日：2024-08-06
申请号：CN202210642798.4
申请日：2022-06-08
Applicant: 华侨大学
IPC: G16H50/20 , G06T7/00 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于长短时记忆的阿尔兹海默症病程预测方法，包括：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；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，得到时间序列特征数据；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。阿尔兹海默症发展的病程较长，随着时间的推移慢慢出现症状，疾病预测有利于早期的介入治疗，延缓疾病发展过程。本发明提供的方法解决了阿尔兹海默症病程的状态预测问题，为医生的影像诊断提供有效的预测诊断辅助。
-
公开(公告)号：CN115064262A
公开(公告)日：2022-09-16
申请号：CN202210642798.4
申请日：2022-06-08
Applicant: 华侨大学
Abstract: 本发明提供一种基于长短时记忆的阿尔兹海默症病程预测方法，包括：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；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，得到时间序列特征数据；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。阿尔兹海默症发展的病程较长，随着时间的推移慢慢出现症状，疾病预测有利于早期的介入治疗，延缓疾病发展过程。本发明提供的方法解决了阿尔兹海默症病程的状态预测问题，为医生的影像诊断提供有效的预测诊断辅助。
-
-
-
Search Results
4
records
(took 0.024 seconds)
