基于不完整三模态共注意融合的轻度认知障碍转换预测方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于不完整三模态共注意融合的轻度认知障碍转换预测方法
申请号:CN202411965116
申请日期:2024-12-30
公开号:CN119905256B
公开日期:2025-10-10
类型:发明专利
摘要
本发明公开了一种基于不完整三模态共注意融合的轻度认知障碍转换分类方法,包括如下步骤:获取数据集;步骤2、应用一个预训练的缺失模态生成模块,输入MRI数据通过跨模态转换的方式生成缺失的PET数据;步骤3、应用一个特征提取模块,通过表格编码器获得表格特征表示,并通过视觉编码器得到视觉特征表示;步骤4、将提取的多模态特征通过一个多头自注意力模块进行模态内特征聚合得到三模态特征;步骤5、将特征对齐后的三模态特征输入至一个共注意力融合模块进行特征融合,从而得到多模态融合特征;步骤6、应用一个预训练的分类头,将得到的多模态融合特征输入分类头,实现最终的分类。该方法用更丰富的多模态特征提高MCI转换预测的准确性。
技术关键词
轻度认知障碍 模态特征 分类方法 混合损失函数 注意力 融合特征 表格特征 视觉特征 数据 多模态 特征提取模块 卷积解码器 联合损失函数 卷积编码器 跨模态 生成对抗网络 矢量量化
系统为您推荐了相关专利信息
视觉特征编码 生理 心理 融合特征 环境感知数据
海洋环境要素 海洋气象要素 地理加权回归模型 数据 图像分割网络
视频异常检测方法 立方体 网络模块 多模态 原始图像数据
时域卷积网络 神经网络模型 长短期记忆网络 卷积模块 电能
注意力 层级 输出特征 解码模块 编码模块