基于Mamba模型的阿尔茨海默病影像分类方法

本发明公开了一种多阶段渐进式特征提取的三维正电子发射断层扫描数据影像分类方法，应用于阿尔茨海默症辅助诊断技术领域。辅助诊断方法包括：获取并预处理阿尔茨海默症患者的PET影像数据；使用数据增强提升数据集可靠性；通过堆叠式Lmamba块对三维体素序列进行长程动态建模；通过逐层跨尺度通道注意力融合模块(CSACF)实现全局上下文语义自适应融合，并构建通道空间感知模块(CSPM)优化空间特征融合；通过倒置式瓶颈模块混合长距离空间和位置信息增强模型对细节特征的捕捉能力；最后通过全局平均池化、全连接、softmax函数预测病症类别概率；本发明能够大幅提升AD早期诊断与MCI转化风险预测的精度，解决卷积神经网络(CNN)和Transformer的医学影像诊断方法在长程依赖建模及计算复杂度上存在不足，具有较好的应用前景，适用于AD早期检测及MCI转化风险评估。