一种用于阿尔茨海默症医学图像分类的深度学习优化方法

本发明涉及一种用于阿尔茨海默症的医学图像分类优化方法——BGE‑Adam。此方法通过结合熵权重和自适应梯度策略，显著提升了卷积神经网络(CNN)在阿尔茨海默症(AD)医学图像识别任务中的效率和精度。通过熵权重调整策略，该算法平衡了模型参数的信息量，突出了图像的关键特征；同时，自适应梯度策略按照模型的即时表现调整参数更新速度，促进模型快速收敛并避免过拟合。BGE‑Adam特别适用于处理多维复杂的医学图像数据，并能在AD早期诊断和分类中达到更高的准确度和效率，为深度学习在医学图像分析领域的进一步应用和研究提供理论和实践基础。