基于改进的ResNet-Transformer模型的早期阿尔茨海默症图像学特征分析方法

本发明公开了一种基于改进的ResNet‑Transformer模型的早期阿尔茨海默症图像学特征分析方法，属于深度学习及医学图像分析领域。现有的网络模型在早期阿尔茨海默症任务中存在难以捕获医学图像的全局特征信息等问题，本发明构建改进的ResNet‑50模型和改进的Transformer模块，并将改进的ResNet‑50模型和改进的Transformer模块并联连接后，再串联全局平均池化层、第三全连接层、Softmax层和第三输出层，得到改进的ResNet‑Transformer模型，应用医学图像集训练改进的ResNet‑Transformer模型，训练好的模型能够捕获AD图像的全局特征信息，提升识别准确率，实现模型轻量化。