基于特征融合的阿尔茨海默病风险预测方法、介质和设备

本申请公开了一种基于特征融合的阿尔茨海默病风险预测方法、介质和设备，该方法首先获取目标受试者的sMRI图像、FDG‑PET图像、生物标志物及智力评分数据。接着，将sMRI与FDG‑PET图像数据分别输入三维卷积神经网络模块，提取出对应的第一、第二图像特征图。然后，把这两个特征图输入交叉注意力融合模块，获得图像融合特征；输入U型上采样网络对海马体区域分割，得到海马体特征。随后，合并图像融合特征、海马体特征、生物标志物数据和智力评分数据，将合并后的数据输入极限学习机计算，从而得出阿尔茨海默病的发病风险预测结果。该方法借助跨模态数据融合，提取多模态数据互补信息，可有效提升发病风险预测的准确率。