计算机科学与探索

作者：曹营利, 邓赵红, 胡曙东, 王士同

单位：1. 江南大学 人工智能与计算机学院，江苏 无锡 2141222. 江南大学附属医院，江苏 无锡 214062

关键词：多模态,超图卷积网络（HGCN）,低秩多模态融合,多视角分类,阿尔茨海默病（AD）

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。

来源：2023年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第7期