[發(fā)明專(zhuān)利]一種大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111661487.4
• 申請(qǐng)日: 2021-12-30
• 公開(kāi)（公告）號(hào): CN114359213A
• 公開(kāi)（公告）日: 2022-04-15
• 發(fā)明（設(shè)計(jì)）人: 韋臻;萬(wàn)國(guó)斌;雷柏英;楊鵬;彭子文
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳市婦幼保健院
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/11;G06V10/25;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;A61B5/00;A61B5/055
• 代理公司: 深圳市君勝知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 李可

1.一種大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法，其特征在于，所述方法包括：

獲取若干時(shí)間序列數(shù)據(jù)，其中，若干所述時(shí)間序列數(shù)據(jù)均基于目標(biāo)用戶(hù)的大腦的靜息狀態(tài)功能磁共振成像圖生成，若干所述時(shí)間序列數(shù)據(jù)分別對(duì)應(yīng)所述目標(biāo)用戶(hù)的大腦的不同腦區(qū)；

將若干所述時(shí)間序列數(shù)據(jù)輸入預(yù)設(shè)的腦功能連接網(wǎng)絡(luò)，通過(guò)所述腦功能連接網(wǎng)絡(luò)對(duì)若干所述時(shí)間序列數(shù)據(jù)進(jìn)行特征提取，得到連接關(guān)系矩陣，其中，所述連接關(guān)系矩陣用于反映若干所述腦區(qū)之間的連接關(guān)系；

將所述連接關(guān)系矩陣輸入融合稀疏自動(dòng)編碼器，通過(guò)所述融合稀疏自動(dòng)編碼器對(duì)所述連接關(guān)系矩陣進(jìn)行降維，得到目標(biāo)特征向量；

對(duì)所述目標(biāo)特征向量進(jìn)行分類(lèi)得到所述目標(biāo)用戶(hù)對(duì)應(yīng)的分類(lèi)類(lèi)別。

2.根據(jù)權(quán)利要求1所述的大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法，其特征在于，所述獲取若干時(shí)間序列數(shù)據(jù)，包括：

獲取所述目標(biāo)用戶(hù)的所述靜息狀態(tài)功能磁共振成像圖；

獲取預(yù)設(shè)的分割模板，根據(jù)所述分割模板對(duì)所述靜息狀態(tài)功能磁共振成像圖進(jìn)行分割，得到若干局部圖像，其中，若干所述局部圖像分別對(duì)應(yīng)不同的所述腦區(qū)；

對(duì)若干所述局部圖像分別進(jìn)行濾波處理，得到若干所述時(shí)間序列數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法，其特征在于，所述腦功能連接網(wǎng)絡(luò)基于組約束稀疏模型構(gòu)建，所述組約束稀疏模型對(duì)應(yīng)的第一目標(biāo)函數(shù)中包含有組稀疏正則化參數(shù)和平滑正則化參數(shù)。

4.根據(jù)權(quán)利要求1所述的大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法，其特征在于，所述融合稀疏自動(dòng)編碼器包括第一對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)和第二對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)，所述第一對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)和所述第二對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)分別包含不同數(shù)量的隱藏層，所述將所述連接關(guān)系矩陣輸入融合稀疏自動(dòng)編碼器，通過(guò)所述融合稀疏自動(dòng)編碼器對(duì)所述連接關(guān)系矩陣進(jìn)行降維，得到目標(biāo)特征向量，包括：

將所述連接關(guān)系矩陣輸入所述第一對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)，通過(guò)所述第一對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)對(duì)所述連接關(guān)系矩陣進(jìn)行特征提取，得到第一特征向量；

將所述連接關(guān)系矩陣輸入所述第二對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)，通過(guò)所述第二對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)對(duì)所述連接關(guān)系矩陣進(jìn)行特征提取，得到第二特征向量；

將所述第一特征向量和所述第二特征向量融合，得到所述目標(biāo)特征向量。

5.根據(jù)權(quán)利要求4所述的大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法，其特征在于，所述第一對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)包含多個(gè)級(jí)聯(lián)的所述隱藏層，所述第二對(duì)稱(chēng)神經(jīng)網(wǎng)絡(luò)包含一個(gè)所述隱藏層。

6.根據(jù)權(quán)利要求5所述的大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法，其特征在于，每一所述隱藏層對(duì)應(yīng)的第二目標(biāo)函數(shù)中均包含有歐幾里得范數(shù)。

7.根據(jù)權(quán)利要求1所述的大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法，其特征在于，所述對(duì)所述目標(biāo)特征向量進(jìn)行分類(lèi)得到所述目標(biāo)用戶(hù)對(duì)應(yīng)的用戶(hù)標(biāo)簽，包括：

將所述目標(biāo)特征向量輸入預(yù)設(shè)的分類(lèi)機(jī)；

通過(guò)所述分類(lèi)機(jī)對(duì)所述目標(biāo)特征向量進(jìn)行分類(lèi)，得到所述分類(lèi)類(lèi)別。

8.一種大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)裝置，其特征在于，所述裝置包括：

數(shù)據(jù)獲取模塊，用于獲取若干時(shí)間序列數(shù)據(jù)，其中，若干所述時(shí)間序列數(shù)據(jù)均基于目標(biāo)用戶(hù)的大腦的靜息狀態(tài)功能磁共振成像圖生成，若干所述時(shí)間序列數(shù)據(jù)分別對(duì)應(yīng)所述目標(biāo)用戶(hù)的大腦的不同腦區(qū)；

數(shù)據(jù)提取模塊，用于對(duì)若干所述時(shí)間序列數(shù)據(jù)進(jìn)行特征提取，得到連接關(guān)系矩陣，其中，所述連接關(guān)系矩陣用于反映若干所述腦區(qū)之間的連接關(guān)系；

數(shù)據(jù)分類(lèi)模塊，用于對(duì)所述連接關(guān)系矩陣進(jìn)行特征提取得到目標(biāo)特征向量，對(duì)所述目標(biāo)特征向量進(jìn)行分類(lèi)得到所述目標(biāo)用戶(hù)對(duì)應(yīng)的分類(lèi)類(lèi)別。

9.一種終端，其特征在于，所述終端包括有存儲(chǔ)器和一個(gè)或者一個(gè)以上處理器；所述存儲(chǔ)器存儲(chǔ)有一個(gè)或者一個(gè)以上的程序；所述程序包含用于執(zhí)行如權(quán)利要求1-7中任一所述的大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法的指令；所述處理器用于執(zhí)行所述程序。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有多條指令，其特征在于，所述指令適用于由處理器加載并執(zhí)行，以實(shí)現(xiàn)上述權(quán)利要求1-7任一所述的大腦靜息狀態(tài)功能磁共振成像圖的分類(lèi)方法的步驟。