基于ResNet模型的早期阿尔茨海默症特征提取方法

本申请涉及一种基于ResNet模型的早期阿尔茨海默症特征提取方法，包括：对图像数据样本图像预处理；基于ResNet‑50特征提取网络构建ResNet‑50特征提取模型；利用预处理后的样本图像对特征提取模型进行训练；将待处理的AD图像数据输入至训练完成的特征提取模型，输出特征提取结果。利用M‑Max‑Avg池化层捕捉不同层次的特征，使得对AD的图像特征提取更加灵活，提高了模型预测的精确度；多尺度分组卷积层将分组卷积法运用至ResNet‑50网络，减少卷积时的参数量，加快预测速度，并在每一组内部使用多尺度卷积法，使得模型能够全面学习输入数据的特征，提取丰富的特征信息，提高模型对AD预测的准确性。