[发明专利]一种多模态阿尔兹海默症医学图像识别分类方法和系统

权利要求书

1.一种多模态阿尔兹海默症医学图像识别分类方法，其特征在于，包括：

构建阿尔兹海默症不同人群的医学数据库，所述医学数据库包括冠状位MRI图像数据和基因SNP数据；

对所述MRI图像数据进行图像预处理后，使用CNN构造分类器，挑选最优的至少三个分类器作为优质MRI基分类器；

使用GWAS全基因组关联分析法对所述基因SNP数据进行预处理，得到编码的SNP位点数据集；

以决策树为基分类器使用随机森林分类器、Bagging分类器和XGBoost分类器三种集成策略构建分类器，得到三种SNP基分类器；

基于改进的概率权重集成学习模式，对所有所述优质MRI基分类器和所述SNP基分类器进行集成学习，得到最终的强化版分类器；

使用所述强化版分类器进行多模态阿尔兹海默症医学图像识别分类。

2.根据权利要求1所述的多模态阿尔兹海默症医学图像识别分类方法，其特征在于，所述使用GWAS全基因组关联分析法对所述基因SNP数据进行预处理，得到编码的SNP位点数据集，包括：

使用PLINK软件对所述基因SNP数据进行GWAS全基因组关联分析，包括：根据位点缺失率筛选基因SNP数据、根据位点信息缺失率筛选基因SNP数据、根据Hardy-Weinberg平衡筛选基因SNP数据、根据连锁不平衡性筛选基因SNP数据、根据个体独立性筛选基因SNP数据，使用Logistic回归模型进行分析，得到每个SNP与表型的相关显著性p值，根据p值挑选出相关性高的SNP进行编码，构成编码的SNP位点数据集。

3.根据权利要求1所述的多模态阿尔兹海默症医学图像识别分类方法，其特征在于，对所述MRI图像数据进行图像预处理包括：

对所述MRI图像数据进行去头骨和配准处理；

对所述MRI图像数据进行平滑处理；

对所述MRI图像数据进行灰度归一化；

对所述MRI图像数据进行二维切片。

4.根据权利要求3所述的多模态阿尔兹海默症医学图像识别分类方法，其特征在于，使用SPM12软件对所述MRI图像数据进行图像预处理。

5.根据权利要求1所述的多模态阿尔兹海默症医学图像识别分类方法，其特征在于，基于改进的概率权重集成学习模式为：

p(x)＝sigmoid(w1)p(x|h1)+sigmoid(w2)p(x|h2)+···sigmoid(wn)p(x|hn)

其中，n为分类器的数量，sigmoid()为激活函数，w为分类器的性能指标，p为当前分类器的概率，h为网络层数。

6.一种多模态阿尔兹海默症医学图像识别分类系统，其特征在于，包括：

数据模块，用于构建阿尔兹海默症不同人群的医学数据库，所述医学数据库包括冠状位MRI图像数据和基因SNP数据；

MRI图像处理模块，用于对所述MRI图像数据进行图像预处理后，使用CNN构造分类器，挑选最优的至少三个分类器作为优质MRI基分类器；

第一基因数据处理模块，用于使用GWAS全基因组关联分析法对所述基因SNP数据进行预处理，得到编码的SNP位点数据集；

第二基因数据处理模块，用于以决策树为基分类器使用随机森林分类器、Bagging分类器和XGBoost分类器三种集成策略构建分类器，得到三种SNP基分类器；

集成学习强化模块，用于基于改进的概率权重集成学习模式，对所有所述优质MRI基分类器和所述SNP基分类器进行集成学习，得到最终的强化版分类器；

识别分类模块，用于使用所述强化版分类器进行多模态阿尔兹海默症医学图像识别分类。