一种基于多源异构数据的阿尔茨海默症可解释、个体可视化及群体可视化方法

本发明提供了一种基于多源异构数据的阿尔茨海默症可解释、个体可视化及群体可视化方法，属于可解释性人工智能技术领域。首先使用其他时空点上的脑子块数据训练出卷积神经网络；冻结该卷积神经网络的权重和结构；将当前场景的少量脑子块数据送入已冻结权重和结构的卷积神经网络，使用三维图像解释模块分别定量得到大脑子块预测结果为认知正常和阿尔兹海默症时各像素的风险值，按风险值大小倒序排列；分别选取认知正常类和阿尔兹海默症类的像素的风险值，与预测者的表格型数据拼接成一行数据作为一个样本送入堆叠模型进行训练和测试。本发明采用基于特征的迁移学习结构，能够同时处理多源异构样本数据的预测和解释。