[發明專利]大腦成癮性狀評估的可視化方法、裝置及介質

有效

• 申請號: 202010164199.7
• 申請日: 2020-03-11
• 公開（公告）號: CN111383217B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 王書強;余雯;肖晨晨;胡圣燁
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;陳聰

1.一種大腦成癮性狀評估的可視化方法，其特征在于，所述方法包括：

接收客戶端的可視化處理請求，所述可視化處理請求包括待處理圖像，所述可視化處理請求用于請求獲取所述待處理圖像的可視化評估結果；

確定掩膜區域集合，所述掩膜區域集合包括至少一個掩膜區域；

從所述待處理圖像中對所述掩膜區域集合中各個掩膜區域進行模糊化處理，得到微擾圖像，所述待處理圖像中包含所述掩膜區域集合中各個掩膜區域；

調用可視化處理模型對所述微擾圖像進行分類處理，得到分類結果，并對所述分類結果進行計算，得到所述微擾圖像的評估數值，所述微擾圖像的評估數值小于未經過掩膜屏蔽處理的所述待處理圖像的評估數值；該可視化處理模型為生成器網絡、判別器網絡及分類器網絡利用第一樣本圖像、第二樣本圖像標注對、噪聲向量及向量標注進行反復迭代訓練構建的模型，所述第一樣本圖像和第二樣本圖像為FMRI圖像；所述評估數值通過將所述分類結果對應的加權向量代入預設的評估標準函數中計算得到；

根據所述微擾圖像的評估數值，確定所述可視化評估結果，所述可視化評估結果為評估數值與所述待處理圖像的評估數值差值大于閾值所對應的掩膜區域；

發送所述可視化評估結果至所述客戶端。

2.根據權利要求1所述的方法，其特征在于，所述調用可視化處理模型對所述微擾圖像進行分類處理之前，所述方法還包括：

獲取噪聲向量及向量標注，并將所述噪聲向量及所述向量標注通過反卷積網絡處理，得到目標圖像標注對，所述目標圖像標注對包括目標生成圖像及目標生成圖像標注；

獲取所述第一樣本圖像及所述第二樣本圖像標注對，所述第二樣本圖像標注對包括第二樣本圖像及樣本圖像標注；

根據所述目標圖像標注對、所述第一樣本圖像及所述第二樣本圖像標注對訓練所述可視化處理模型，得到模型損失函數；

根據所述模型損失函數，構建所述可視化處理模型。

3.根據權利要求2所述的方法，其特征在于，所述模型損失函數包括生成損失函數，所述生成損失函數為生成器的損失函數；

所述根據所述目標圖像標注對、所述第一樣本圖像及所述第二樣本圖像標注對訓練所述可視化處理模型，得到模型損失函數，包括：

對所述目標圖像標注對進行判別處理，生成第一判別結果，所述目標圖像標注對包括所述目標生成圖像及所述目標生成圖像標注；

根據所述目標生成圖像、所述第一樣本圖像及所述第二樣本圖像，確定重建損失；

根據所述第一判別結果及所述重建損失，確定所述生成器的生成損失函數。

4.根據權利要求3所述的方法，其特征在于，所述模型損失函數包括分類損失函數，所述分類損失函數為分類器的損失函數；

所述根據所述目標圖像標注對、所述第一樣本圖像及所述第二樣本圖像標注對訓練所述可視化處理模型，得到模型損失函數，包括：

對所述第一樣本圖像進行分類處理，得到所述第一樣本圖像的預測標注，并將所述第一樣本圖像及所述預測標注進行判別處理，生成第二判別結果；

對所述目標圖像標注對及所述第二樣本圖像標注對進行監督訓練，分別獲取所述目標圖像標注的第一交叉熵及所述第二樣本圖像標注對的第二交叉熵；

根據所述第二判別結果、所述第一交叉熵及所述第二交叉熵，確定所述分類器的分類損失函數。

5.根據權利要求4所述的方法，其特征在于，所述模型損失函數包括判別損失函數，所述判別損失函數為判別器的損失函數；

所述根據所述目標圖像標注對、所述第一樣本圖像及所述第二樣本圖像標注對訓練所述可視化處理模型，得到模型損失函數，包括：

對所述目標圖像標注對進行判別處理，生成第三判別結果；

對所述第一樣本圖像及所述預測標注進行判別處理，生成第四判別結果；

對所述第二樣本圖像標注對進行判別處理，生成第五判別結果；

根據所述第三判別結果、所述第四判別結果及所述第五判別結果，確定所述判別器的判別損失函數。