基于混合超图神经网络的阿尔茨海默病分类方法与装置

本发明公开了一种基于混合超图神经网络的阿尔茨海默病分类方法与装置，首先对大脑的弥散磁共振成像数据进行预处理；随后，提取dMRI矩阵中三种不同尺度的网络拓扑特征，包括纤维强度矩阵、路径冗余矩阵和节点效率矩阵，并将这些特征拼接为综合的节点特征；构建基于一阶邻居的超图结构，并新增度中心性最高的12个节点的超边，以捕捉大脑网络中的高阶拓扑信息；然后，利用混合超图卷积模型对提取的节点特征进行处理，结合谱域卷积模型提取全局结构信息和空域卷积模型提取局部结构信息，提升分类的准确性；使用BatchNorm归一化和Dropout正则化防止过拟合并提高泛化能力；最后，通过全连接层对处理后的数据进行分类。本发明能得到更准确的阿尔茨海默病的分类结果。