一种基于宽度神经网络学习阿尔兹海默症MRI诊断方法

本发明涉及医学影像识别技术领域，具体涉及一种基于宽度神经网络学习阿尔兹海默症MRI诊断方法，该方法包括：步骤1、对脑部MRI图像进行自适应ROI裁剪；步骤2、动态对比度补偿二值化；步骤3、形态学优化；步骤4、灰度回传；步骤5、密度峰值引导的K‑means++特征提取；步骤6、获取宽度神经网络，将最终增强特征图输入进宽度神经网络进行最终分类预测，实现阿尔兹海默症MRI的诊断；本申请结合了动态对比度补偿的二值化分割方法和K‑means++驱动的多尺度特征增强，致力于阿尔兹海默症用影像识别中海马体分割问题，以及早期AD患者的细微异变无法捕捉问题，为医生提供便利。