公开(公告)号：CN120048485A

公开(公告)日：2025-05-27

申请号：CN202510115873.5

申请日：2025-01-23

Applicant: 无锡学院

Inventor： 李文超 ,  汤琴琴 ,  卢伟 ,  王舶睿 ,  马露垚

IPC: G16H50/20 ,  A61B5/00 ,  A61B5/055 ,  A61B6/03 ,  A61B6/50 ,  G06N3/042 ,  G06N3/08 ,  G16H50/50 ,  G06F17/16

Abstract: 本发明公开了一种基于互补增强型GCN的阿尔茨海默病辅助诊断方法，涉及医疗辅助诊断技术领域，本发明基于传统图卷积神经网络模型，汲取阿尔茨海默病发病机制的启发，在保留图卷积神经网络模型在图分类方面的优势的前提下，首先引入了网络节点与拓扑属性权重自学习单元，解决了传统图卷积神经网络对输入信号的网络节点属性信息和拓扑结构信息在提取特征向量中的表达强度矛盾；同时，基于网络节点与拓扑属性权重自学习单元构建了融合结构性脑网络与功能性脑网络特征的互补增强型GCN模型，解决了基于单一类型脑网络数据的传统图卷积神经网络模型诊断准确度、敏感性、特异性和可解释性不足的问题。