[發(fā)明專利]基于雙線性融合與注意力機制的腦齡預測模型及方法

有效

• 申請?zhí)枺?/td>: 202010362228.0
• 申請日: 2020-04-30
• 公開（公告）號: CN111640500B
• 公開（公告）日: 2023-09-05
• 發(fā)明（設計）人: 李展;樊青晨;王凱凱;毋婷婷;彭進業(yè);趙國英;楊溪;溫超
• 申請（專利權）人: 西北大學
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06V10/80;G06V10/82;G06N3/0464;G06N3/045;G06N3/08
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 李婷;趙中霞

1.一種基于雙線性融合與注意力機制的腦齡預測模型，其特征在于，包括：

預處理模塊，用于對原始的腦MRI數(shù)據(jù)集進行預處理，得到灰質圖像X作為模型輸入圖像；

3D?CNN特征提取模塊，該特征提取模塊包含4個具有相同結構子層的L1層到L4層；用于對輸入到3D?CNN特征提取模塊中的模型輸入圖像進行圖像特征提取，并將3D?CNN的最后L4層的batch-normalization層輸出的特征矩陣X₄作為圖像特征；

雙線性融合處理模塊，用于對特征矩陣X₄進行處理，將X₄進行轉置，得到新的矩陣B，定義B的公式為：B＝X₄^T·X₄，其中，B為雙線性融合后的特征，X₄^T為X₄的轉置矩陣；

注意力值獲取模塊，用于將新的矩陣B輸入到Attention層，得到圖像特征注意力，注意力機制定義為：

其中，b_v為偏置，和為權重值，h_v為注意力得分，α_v為注意力分布概率；最后產生圖像的注意力值A＝α_v^TB，其中α_v^T為α_v轉置矩陣；

回歸預測模塊，用于把得到的圖像注意力值A輸入到全連接層進行回歸分析，得到3DCNN結合雙線性融合與注意力機制模型。

2.一種基于雙線性融合與注意力機制的腦齡預測模型構建方法，其特征在于，包括以下步驟：

步驟1，對原始的腦MRI數(shù)據(jù)集進行預處理，得到灰質圖像X作為模型輸入圖像；

步驟2，構造一個3D?CNN特征提取模塊，該特征提取模塊包含4個具有相同結構子層的L1層到L4層；

再將步驟1中的模型輸入圖像輸入到3D?CNN特征提取模塊提取圖像特征，將3DCNN的最后L4層的batch-normalization層輸出的特征矩陣X₄作為圖像特征；

步驟3，利用雙線性融合對特征矩陣X₄進行處理，將X₄進行轉置，得到新的矩陣B，定義B的公式為：

B＝X₄^T·X₄

其中，B為雙線性融合后的特征，X₄^T為X₄的轉置矩陣；

步驟4，將通過雙線性融合得到的新的矩陣B，輸入到Attention層，得到圖像特征注意力，注意力機制定義為：

其中，b_v為偏置，和為權重值，h_v為注意力得分，α_v為注意力分布概率；

最后產生圖像的注意力值A＝α_v^TB，其中α_v^T為α_v轉置矩陣；

步驟5，把得到的圖像注意力值A輸入到全連接層進行回歸分析輸出預測腦齡，得到3DCNN結合雙線性融合與注意力機制模型。

3.如權利要求2所述的基于雙線性融合與注意力機制的腦齡預測模型構建方法，其特征在于，所述步驟1中，首先將原始的腦MRI數(shù)據(jù)集分為訓練集和測試集；并將原始的腦MRI數(shù)據(jù)集中的原始圖像MRI生成灰質圖像作為模型輸入圖像。