面向阿尔兹海默症诊断的有缺失多模态表示学习算法

摘要

本发明提供了一种面向阿尔兹海默症诊断的有缺失多模态表示学习算法。它提出了一种全新的面向有缺失的多模态数据补全模型，首先使用自动编码器网络将原始完整模态数据映射到隐空间，然后利用从完整模态中学习到的潜在表示来补充核空间中不完整视图的核矩阵，同时通过图正则和HSIC算法约束样本之间以及模态之间的相关性，最终通过采用核方法的相关性分析将核矩阵映射为特征矩阵以完成后续的诊断任务。本发明能在缺失某一模态数据的情况下快速准确的诊断阿尔兹海默症，并且具有良好的性能和明显的优势，可应用于辅助医生诊断和社区筛查等场景，随着人口老龄化进程的发展，具有较好的发展前景。