公开(公告)号：CN109859839B

公开(公告)日：2022-05-03

申请号：CN201910065074.6

申请日：2019-01-23

Applicant: 桂林电子科技大学

Inventor： 王如月 ,  黎汉汇 ,  刘振丙 ,  罗笑南

IPC: G16H50/20 ,  G06V10/764 ,  G06V10/774 ,  G06K9/62

Abstract: 本发明公开了一种基于分层集成学习的阿尔茨海默症分类方法，步骤为：S1、获取阿尔茨海默症的核磁共振图像；S2、对步骤S1获得的核磁共振图像进行预处理；S3、将预处理之后的图像，以切片为单位输入基于分层集成学习的模型中，采用预先训练好的深层神经网络（DNN）提取特征矩阵，将提取的特征矩阵输入到分类器中进行分类，得到切片级别的粗预测结果；S4、将步骤S3得到的粗预测结果进行集成，再次经分类器分类，得到切片的细分类预测结果；S5、将步骤S4得到的细分类预测结果进行集成，再次进行经分类器进行分类预测，得到病人级别的阿尔茨海默症的最终分类结果。该方法分类稳定，分类效率高，分类方法通用性和灵活性好。

公开(公告)号：CN109859839A

公开(公告)日：2019-06-07

申请号：CN201910065074.6

申请日：2019-01-23

Applicant: 桂林电子科技大学

Inventor： 王如月 ,  黎汉汇 ,  刘振丙 ,  罗笑南

IPC: G16H50/20 ,  G06K9/62

Abstract: 本发明公开了一种基于分层集成学习的阿尔茨海默症分类方法，步骤为：S1、获取阿尔茨海默症的核磁共振图像；S2、对步骤S1获得的核磁共振图像进行预处理；S3、将预处理之后的图像，以切片为单位输入基于分层集成学习的模型中，采用预先训练好的深层神经网络（DNN）提取特征矩阵，将提取的特征矩阵输入到分类器中进行分类，得到切片级别的粗预测结果；S4、将步骤S3得到的粗预测结果进行集成，再次经分类器分类，得到切片的细分类预测结果；S5、将步骤S4得到的细分类预测结果进行集成，再次进行经分类器进行分类预测，得到病人级别的阿尔茨海默症的最终分类结果。该方法分类稳定，分类效率高，分类方法通用性和灵活性好。