[發明專利]一種基于全卷積神經網絡的可解釋腦齡預測方法

有效

• 申請號: 202111121817.0
• 申請日: 2021-09-24
• 公開（公告）號: CN113892936B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 徐君海;陳成;魏建國
• 申請（專利權）人: 天津大學
• 主分類號: A61B5/055
• 分類號: A61B5/055;A61B5/00;G06N3/0464;G06N3/048;G06N3/09;G06T5/00;G06Q10/04
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 潘俊達

本發明屬于深度學習技術領域，具體涉及一種基于全卷積神經網絡的可解釋腦齡預測方法，包括數據預處理，運用全卷積神經網絡構建腦齡預測模型，進行模型訓練和評估，采用網絡遮擋敏感度分析和人類腦網絡組圖譜對腦齡預測過程中相關的大腦區域進行可解釋性分析，定位與腦齡預測最相關的腦區位置。本發明的預測方法能夠針對特定的大腦區域進行解釋，并精確地定位到與腦齡預測最相關的腦區位置，使得到的腦區貢獻信息更加準確，不會帶有先驗偏見。

技術領域

本發明屬于深度學習技術領域，具體涉及一種基于全卷積神經網絡的可解釋腦齡預測方法。

背景技術

目前，基于卷積神經網絡對大腦年齡進行預測逐漸成為主流，但是，卷積神經網絡中的全連接層的層數過深，往往會導致參數規模異常龐大，使得訓練成本過高。除此之外，盡管深度學習提供了相應的年齡預測，但它通常很難識別出對預測有重要影響的特征。

可見，現有技術不能針對特定的大腦區域進行解釋，并且，現有的腦齡預測方法產生的結果通常是模糊的或帶有先驗偏見的。因此，亟需一種新型預測方法以解決上述問題。

發明內容

本發明的目的在于：針對現有技術的不足，提供一種基于全卷積神經網絡的可解釋腦齡預測方法，其有效地降低了參數規模，提升了訓練效率，保障了預測結果精準可靠。

為了實現上述目的，本發明采用如下技術方案：

一種基于全卷積神經網絡的可解釋腦齡預測方法，包括以下步驟：

S1、數據預處理，獲得所需的灰質圖像；

S2、運用全卷積神經網絡構建腦齡預測模型；

S3、對所述腦齡預測模型進行模型訓練和評估；

S4、采用網絡遮擋敏感度分析和人類腦網絡組圖譜對腦齡預測過程中相關的大腦區域進行可解釋性分析，定位與腦齡預測最相關的腦區位置。

進一步地，所述S1中包括：

S1-1、采用結構磁共振成像數據作為數據源；

S1-2、提取所述數據源中的灰質圖像，使用DARTEL算法將灰質圖像的空間歸一化，將所有灰質圖像映射到標準空間；

S1-3、構建一個分布均勻的訓練集，構建一個獨立的測試集。

進一步地，所述S1-2中還包括：采用4毫米全寬半高的高斯濾波器對映射到標準空間的所有灰質圖像進行平滑處理，以提高圖像數據的信噪比。

進一步地，所述S2中包括：

S2-1、將灰質圖像輸入三維全卷積神經網絡模型；

S2-2、依據構建的腦齡預測模型，生成預測年齡的概率分布，將每個年齡和每個年齡的預測概率相乘，得到所需的年齡預測情況。

進一步地，所述三維全卷積神經網絡模型包括卷積層、歸一化層、ReLU激活函數和最大池化層。

進一步地，所述S3中包括：

S3-1、使用Cross-Entropy?Loss作為損失函數，使用SGD對所述腦齡預測模型進行優化；

S3-2、使用十折交叉驗證來評估所述腦齡預測模型，并選擇平均絕對誤差MAE最低的模型作為最終的最佳模型。

進一步地，所述S4中還包括：采用網絡遮擋敏感度分析方法得到各個腦區的對預測產生的貢獻度值，并對各個貢獻度值進行排序，獲得貢獻度值的分布情況。