一种基于多模态数据可解释深度学习的分类系统

专利主权项内容

1.一种基于多模态数据可解释深度学习的分类系统，其特征在于，包括：图像预处理模块，用于对脑部的MRI图像和PET图像进行标准化处理、分割处理以及归一化处理；模型构建模块，与所述图像预处理模块连接，用于构建完全卷积神经网络并进行训练，获得训练后的完全卷积神经网络；图像处理模块，与所述模型构建模块连接，用于基于训练后的完全卷积神经网络对预处理后的MRI图像和PET图像进行特征提取，获得对应的异常概率图；多层感知模块，与所述模型构建模块连接，用于分别筛选所述异常概率图中的高危体素，并与非影像学特征结合后输入到多层感知机中进行处理，获得对应的两个标量值，并且两个标量值有排列顺序；结果分类模块，与所述多层感知模块连接，用于找到两个标量值中最大的标量值，然后基于两个标量值的排列顺序，判断所述最大的标量值排在第一个还是第二个，如果是第一个则分类为正常，如果是第二个则分类为异常。