兼顾个性特征和融合特征的阿尔茨海默病分类

智能诊断在阿尔茨海默病(AD)的诊断中已得到广泛研究,但已有的智能建模方法还不能充分利用多模态的数据信息,以至于在病程早期阶段的诊断中出现识别精确度不高的问题.为提高阿尔茨海默病及其早期阶段智能诊断的效果,提出一种兼顾个性特征和融合特征的阿尔茨海默病分类方法.首先使用超图卷积网络(HGCN)对MRI、PET和CSF三个模态的数据分别进行特征提取,以获得每个模态的高阶深度特征.同时通过低秩多模态融合对这三个模态的数据进行特征融合,以获得多个模态之间的隐藏关联特征.最后通过一个多视角分类器对以上获取的特征进行综合分类.利用ADNI数据集对阿尔茨海默病进行多组任务分类,以验证所提方法.与其他先进方法相比,该方法在保证AD阶段分类效果的情况下,有效提高了病程早期阶段的分类精度.