[发明专利]一种基于SNP数据和MRI数据的分类方法及终端设备

权利要求书

1.一种基于SNP数据和MRI数据的分类方法，其特征在于，包括步骤：

从AD数据库中获取AD患者的SNP数据和MRI数据；

对所述SNP数据进行预筛选，通过多头注意力机制从筛选出的SNP数据中提取到基因特征；

对所述MRI数据进行预筛选，采用软阈值法从筛选出的MRI数据中提取到图像特征；

将所述基因特征和图像特征输入到融合数据预测模型中，输出分类结果。

2.根据权利要求1所述基于SNP数据和MRI数据的分类方法，其特征在于，对所述SNP数据进行预筛选的步骤包括：

对每个AD患者和SNP数据进行检查，筛除缺失值大于2％的个体和SNP数据；

对SNP数据进行次等位基因频率检查，筛除次等位基因频率低于5％的SNP数据；

对SNP数据进行哈温平衡检验，筛除p值低于预定值的SNP数据；

控制SNP数据的杂合率偏差，清除SNP数据的亲缘样本，对SNP数据进行群体分层。

3.根据权利要求2所述基于SNP数据和MRI数据的分类方法，其特征在于，通过多头注意力机制从筛选出的SNP数据中提取到基因特征的步骤包括：

利用位置编码模块获得每个SNP在基因序列中的位置信息；

通过多头注意力机制注意到SNP序列的上下文信息，提取SNP序列特征；

通过过滤模块对提取到的SNP序列特征进行过滤，得到基因特征。

4.根据权利要求3所述基于SNP数据和MRI数据的分类方法，其特征在于，利用位置编码模块获得每个SNP在基因序列中的位置信息的步骤包括：

采用公式和获得每个SNP在基因序列中的位置信息，其中，pos为每个碱基信息在序列中的位置信息，d_model表示字嵌入维度。

5.根据权利要求3所述基于SNP数据和MRI数据的分类方法，其特征在于，通过多头注意力机制注意到SNP序列的上下文信息，提取SNP序列特征的步骤中，多头注意力机制公式为：其中，Q是查询向量、K是键向量和V是值向量。

6.根据权利要求3所述基于SNP数据和MRI数据的分类方法，其特征在于，所述过滤模块由两个卷积层、两个批处理层、一个池化层和一个ReLU激活函数组成。

7.根据权利要求1所述基于SNP数据和MRI数据的分类方法，其特征在于，对所述MRI数据进行预筛选的步骤包括：

对MRI数据中的头部运动和几何变形进行校正；

使用图切法对MRI数据进行颅骨剥离；

将所述MRI数据注册到提供解剖标签坐标的脑图模板，将解剖区域分割为灰质、白质和脑脊液图像，将这些图像重新采样到1.5mm的各向同性分辨率；使用60毫米的全宽的半径最大高斯核在空间平滑这些图像的表面；

使用脑成像数据处理和分析的工具箱获得灰质组织，并通过AAL模板自动标记得到大脑区域的ROI。

8.根据权利要求7所述基于SNP数据和MRI数据的分类方法，其特征在于，采用软阈值法从筛选出的MRI数据中提取到图像特征的步骤包括：

通过公式将筛选的MRI数据朝着零的方向进行收缩，其中，x表示输入的MRI数据，y表示优化输出后的图像特征，τ表示阈值。

9.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任意一项所述基于SNP数据和MRI数据的分类方法中的步骤。

10.一种终端设备，其特征在于，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；

所述通信总线实现处理器和存储器之间的连接通信；

所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述基于SNP数据和MRI数据的分类方法中的步骤。