一种基于多模态特征融合的阿尔茨海默症深度联合学习诊断方法

本发明公开了一种基于多模态特征融合的阿尔茨海默症深度联合学习诊断方法，在不破坏3D图像结构的情况将下，提出了一种新的以“MRI‑p值”的多模态特征融合构建3D融合图像。拟构建一个基于残差神经网络和注意力机制的端到端深度联合学习诊断，自动学习与AD相关的特征信息和位置信息，以获得诊断的分类依据。实验包括三种级别的分类，分别是基于AD和HC、AD和MCI、以及MCI和HC的疾病诊断。本发明引入基因数据能够扩大疾病诊断的特征信息，形成更全面的特征表示，从而促使诊断模型更好捕捉疾病的复杂特征。使用单模态MRI输入至深度联合学习诊断模型中进行实验用于验证多模态融合图像信息的有效性。