摘要
一种基于FasterSNN神经网络的阿尔茨海默预测方法,包括以下步骤:构建FasterSNN神经网络模型;FasterSNN神经网络模型包括多尺度特征融合模块和多个用于提取不同尺寸特征的特征提取模块;特征提取模块中包含用于稀疏特征的LIF模型和脉冲加权注意力模型;特征提取模块的输入经过LIF模型稀疏特征后,再经脉冲加权注意力模型的脉冲通道注意力通路和脉冲空间注意力通路进行加权调整,输出混合特征图;各特征提取模块顺序连接,前一个特征提取模块的输出作为后一个特征提取模块的输入;脉冲加权注意力模型中也包含LIF模型;多尺度特征融合模块用于融合各特征提取模块输出的混合特征图,生成融合特征图。本发明能够精准捕捉AD阶段的隐性病理特征,提升MCI阶段的诊断准确率。
技术关键词
特征提取模块
注意力模型
阿尔茨海默
多尺度特征融合
卷积特征
神经网络模型
稀疏特征
脉冲
尺寸特征
融合特征
通道
阶段
参数
数据
机制
图像
系统为您推荐了相关专利信息
相关性分析模型
对象推荐方法
时间段
操作界面
归一化模块
复信号
重构模型
编解码
智能重构方法
特征提取模块