[发明专利]阿尔兹海默症的辅助诊断系统、其数据处理方法及终端

权利要求书

1.一种阿尔兹海默症辅助诊断系统，其特征在于，包括：数据获取模块、预处理模块、ROI定位模块和分析模块，

所述数据获取模块用于获取受试者的原始MRI结构像；

所述预处理模块用于对原始MRI结构像进行预处理得到预处理后的图像，并将预处理后的图像转化至MNI空间得到预处理后的图像，重采样图像为各向同性分辨率；

所述ROI定位模块用于将预处理后得到的图像与标准脑模板进行刚性配准，得到非刚性配准的形变场，根据形变场，在经预处理的个体图像上选取多个ROI；

所述分析模块用于构建、训练、验证及测试深度学习模型，采用深度学习模型对多个ROI计算个体中每个ROI的特征图谱及概率值，根据概率值判断受试者是否为阿尔兹海默症患者。

2.如权利要求1所述的阿尔兹海默症辅助诊断系统，其特征在于，所述分析模块包括深度学习模型构建单元，所述深度学习模型构建单元用于构建深度学习模型，所述深度学习模型包括一个全卷积网络、2个分类层和2个sigmoid激活函数。

3.如权利要求2所述的阿尔兹海默症辅助诊断系统，其特征在于，所述深度学习模型单元用于让每个ROI经过一个全卷积网络后，得到基于ROI的特征图谱，特征图谱通过第一个分类层和第一个激活函数计算得到基于ROI的预测分数，将所有ROI的特征图谱及预测分数拼接，进行卷积计算，并通过第二个分类层和第二个激活函数，得到基于个体的概率值，将概率值与设定阈值进行比较，判断受试者是否为阿尔兹海默症患者。

4.如权利要求3所述的阿尔兹海默症辅助诊断系统，其特征在于，所述阈值为0.5。

5.一种阿尔兹海默症辅助诊断系统的数据处理方法，其特征在于，包括以下步骤：

获取受试者的原始MRI结构像；

对原始MRI结构像进行预处理，并将预处理后的图像转化至MNI空间得到预处理后的图像，重采样图像为各向同性分辨率；

将预处理后得到的图像与标准脑模板进行刚性配准，得到非刚性配准的形变场，根据形变场，在经预处理的个体图像上选取多个ROI；

构建深度学习模型，对深度学习模型进行训练、验证及测试，采用深度学习模型对多个ROI计算个体中每个ROI的特征图谱及概率值，根据概率值判断受试者是否为阿尔兹海默症患者。

6.如权利要求5所述的数据处理方法，其特征在于，所述深度学习模型包括一个全卷积网络、2个分类层和2个sigmoid激活函数。

7.如权利要求6所述的数据处理方法，其特征在于，所述采用深度学习模型对多个ROI计算个体中每个ROI的特征图谱及概率值，根据概率值判断受试者是否为阿尔兹海默症患者具体包括：

让每个ROI经过一个全卷积网络后，得到基于ROI的特征图谱，特征图谱通过第一个分类层和第一个激活函数计算得到基于ROI的预测分数，将所有ROI的特征图谱及预测分数拼接，进行卷积计算，并通过第二个分类层和第二个激活函数，得到基于个体的概率值，将概率值与设定阈值进行比较，判断受试者是否为阿尔兹海默症患者。

8.如权利要求7所述的数据处理方法，其特征在于，所述阈值为0.5。

9.一种辅助诊断终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行如权利要求5-8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求5-8任一项所述的方法。