(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210457193.8 (22)申请日 2022.04.27 (71)申请人 西南科技大 学 地址 621000 四川省绵阳市涪城区 (72)发明人 俞文心　刘明金　凌德玉　刘露　 龚俊　何刚　 (74)专利代理 机构 成都帝鹏知识产权代理事务 所(普通合伙) 5126 5 专利代理师 罗旭 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/42(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种MRI图像中阿尔茨海默症的3D特征识别 方法 (57)摘要 本发明公开一种MRI图像中阿尔茨海默症的 3D特征识别方法， 由阿尔茨海默症 3D特征识别模 型提取阿尔茨海默症3D特征； 阿尔茨海默症3D特 征识别模型包括输入层、 多个依次排列的ResNet 块、 自适应平均池化模块和全连接模块； 输入层 接收3D MRI图像； 在每个ResNet块中有3D非对称 卷积块， 3D非对称卷积块提取3D  MRI图像中判别 性特征； 在每个ResNet块后设置一个注意特征融 合添加模块以融合局部和全局特征上下文， 进行 多尺度通道注意力特征融合； 在多个ResNet块的 特征提取后， 使用自适应平均池化模块和全 连接 模块输出最终获得识别结果。 本发 明能够提取更 具有判别性的特征， 能够达到早期识别和较高的 准确率。 权利要求书2页 说明书5页 附图3页 CN 114820524 A 2022.07.29 CN 114820524 A 1.一种MRI图像中阿尔茨海默症的3D特征识别方法， 其特征在于， 包括： 输入3D  MRI图 像到阿尔茨海默症3D特 征识别模型中， 提取阿尔茨海默症3D特 征； 所述阿尔茨海默症3D特征识别模型包括输入层、 多个依次排列的ResNet块、 自适应平 均池化模块和 全连接模块； 3D  MRI图像由输入层接收； 在每个ResNet块中添加一个3D非对 称卷积块， 3D非对称卷积块提取出3D  MRI图像中判别 性特征； 在每个ResNet块后设置一个 注意特征融合添加模块以融合局部和全局特征上下文， 进行多尺度通道注意力特征融合； 在多个ResNet块的特征提取后， 使用自适应平均池化模块和全连接模块输出最 终获得识别 结果。 2.根据权利要求1所述的一种MRI图像中阿尔茨海默症的3D特征识别方法， 其特征在 于， 所述ResNet块包括1*1*1的第一卷积层、 3*3*3的第二卷积层、 1*1*1的第三卷积层、 1*1* 1的第四卷积层， 所述第一卷积层连接第二卷积层， 第二卷积层连接3D非对称卷积块， 3D非 对称卷积块连接第三卷积层， 第三卷积层连接第四卷积层。 3.根据权利要求1或2所述的一种MRI 图像中阿尔茨海默症的3D特征识别方法， 其特征 在于， 所述3D非对称卷积块包括四个平行分支， 所述四个平行分支分别为3 ×3×3卷积核、 3 ×1×1卷积核、 1 ×3×1卷积核和1 ×1×3卷积核； 在四个 分支中的每一个 之后执行标准化， 然后将四个分支的输出相加作为3D非对称卷积块的输出。 4.根据权利要求1所述的一种MRI图像中阿尔茨海默症的3D特征识别方法， 其特征在 于， 每个ResNet块设置后 设置一个注意特征融合添加模块以融合局部和全局特征上下文， 包括： 选择 逐点卷积对每 个空间位置使用逐点 通道交互作为局部通道上 下文聚合器。 5.根据权利要求1或4所述的一种MRI 图像中阿尔茨海默症的3D特征识别方法， 其特征 在于， 计算局部特征上下文： L(X)∈RC×H×W×L， C、 H、 W、 L表示L(X)的通道数、 高度、 宽度和长 度； 通过瓶颈结构获得： L(X)＝B(PW  Conv2( δ(B(PWCo nv1(X)))))； 其中， PW Conv1和PW Conv2的内核大小为分别为 和 r是通 道缩减率， δ表示整流线性单 元， B表示批量归一 化。 6.根据权利要求5所述的一种MRI图像中阿尔茨海默症的3D特征识别方法， 其特征在 于， 通过全局平均池化操作计算全局特 征上下文g(X)∈RC×1×1×1， 计算公式： 其中， X[i,j,k]表示输入的图像特 征； 对于全局特征上下文g(X)和局部特征上下文L(X)， 使用多尺度通道注意力机制进行进 一步处理， 通过改变空间池的大小， 多尺度通道注意力机制沿通道维度融合多尺度上下文 信息。 7.根据权利要求6所述的一种MRI图像中阿尔茨海默症的3D特征识别方法， 其特征在 于， 由多尺度通道注意力机制处理后的输出为M(X)＝RC×W×H×L， 即M(X)表示多尺度通道注意 力机制生成的注意力权重， 公式为： 其中， σ 是Sigmoid函数， 表示 广播添加；权　利　要　求　书 1/2 页 2 CN 114820524 A 2多尺度通道注意力特征融合两个 特征X,Y∈RC×H×W×L， 假设Y是由更大的感受野产生的特 征图； 在短跳连接场景中： X是恒等映射得到的特征， Y是ResNet块中学到的残差特征， 基于多 尺度通道 注意力机制， 经 过多尺度通道 注意力机制处 理后， 表示 为： 其中，⊥表示初始特 征集成， 选择 逐元素求和作为初始积分； 定义Z∈RC×H×W×L为注意特 征融合添加模块输出的融合特 征， 公式为： 权　利　要　求　书 2/2 页 3 CN 114820524 A 3