摘要
一种基于结构磁共振成像的多尺度空间信息网络分类方法,涉及医学影像处理领域。解决了现有的基于sMRI的阿尔茨海默症分类方法对病灶细节信息挖掘不充分,以及泛化能力较弱的问题。本发明提供了一种基于sMRI的多尺度空间信息网络分类方法,该方法以sMRI作为输入数据,通过基于三维sym2小波变换的多频率感知融合模块提取多尺度频率信息,并利用图混合注意力模块灵活建模通道间关系和空间位置关系,从而提升模型对sMRI病灶细节信息的挖掘能力及泛化性能。本发明还适用于阿尔茨海默症图像处理以及基于结构磁共振成像的多尺度空间信息网络分类设备领域中。
技术关键词
结构磁共振
阿尔茨海默症
分类方法
构建分类模型
通道注意力机制
成像
生物标志物
残差模块
小波变换系数
空间权重矩阵
频率
空间位置关系
数据
图像处理
可读存储介质
系统为您推荐了相关专利信息
健康诊断方法
样本
分类准确率
轨道
训练特征提取模型
数据分类系统
磁共振数据集
影像
功能磁共振数据
多模态
动力电池健康状态
离散余弦变换
电池容量预测
信号分解方法
通道注意力机制
图像分类方法
神经网络卷积层
参数
矩阵
膝关节角度