[发明专利]基于3D卷积神经网络的脑龄预测方法及装置

权利要求书

1.一种基于3D卷积神经网络的脑龄预测方法，其特征在于，包括：

对大脑核磁共振成像数据进行分层采样；

通过多线程将分层采样后的所述大脑核磁共振成像数据输入3D卷积神经网络进行训练并提取特征数据；

根据提取到的所述特征数据构建脑龄预测回归模型；

根据所述脑龄预测回归模型输出脑龄预测结果。

2.根据权利要求1所述的基于3D卷积神经网络的脑龄预测方法，其特征在于，所述对大脑核磁共振成像数据进行分层采样之前包括：

提取所述大脑核磁共振成像数据中的脑颅数据；

将所述脑颅数据进行数据配准；

通过对配准后的所述脑颅数据进行分割得到脑灰质和脑白质分割数据。

3.根据权利要求1所述的基于3D卷积神经网络的脑龄预测方法，其特征在于，所述对大脑核磁共振成像数据进行分层采样包括：

对与所述大脑核磁共振成像数据对应的不同年龄段数据设置相同的数据量阈值；

判断所述年龄段数据的数据量是否高于所述数据量阈值；

如果所述年龄段数据的数据量高于所述数据量阈值，则将所述年龄段数据进行编号并存储；

如果所述年龄段数据的数据量低于所述数据量阈值，则对所述年龄段数据进行有放回抽样。

4.根据权利要求3所述的基于3D卷积神经网络的脑龄预测方法，其特征在于，如果所述年龄段数据的数据量低于所述数据量阈值，则对所述年龄段数据中的数据进行有放回抽样之后还包括：

当所述有放回抽样的次数达到抽样阈值时，停止所述有放回抽样；

将所述有放回抽样后得到的所述年龄段数据进行编号并存储。

5.根据权利要求1所述的基于3D卷积神经网络的脑龄预测方法，其特征在于，所述通过多线程将分层采样后的所述大脑核磁共振成像数据输入3D卷积神经网络进行训练并提取特征数据包括：

按照所述大脑核磁共振成像数据的对象列表将所述大脑核磁共振成像数据依次输入数据生成器；

调用keras预处理接口对所述大脑核磁共振成像数据进行预处理；

对预处理后的所述大脑核磁共振成像数据匹配对应的年龄标签。

6.一种基于3D卷积神经网络的脑龄预测装置，其特征在于，包括：

采样模块，用于对大脑核磁共振成像数据进行分层采样；

训练模块，用于通过多线程将分层采样后的所述大脑核磁共振成像数据输入3D卷积神经网络进行训练并提取特征数据；

构建模块，用于根据提取到的所述特征数据构建脑龄预测回归模型；

输出模块，用于根据所述脑龄预测回归模型输出脑龄预测结果。

7.根据权利要求6所述的基于3D卷积神经网络的脑龄预测装置，其特征在于，还包括：

提取模块，用于提取所述大脑核磁共振成像数据中的脑颅数据；

配准模块，用于将所述脑颅数据进行数据配准；

分割模块，用于通过对配准后的所述脑颅数据进行分割得到脑灰质和脑白质分割数据。

8.根据权利要求6所述的基于3D卷积神经网络的脑龄预测装置，其特征在于，所述采样模块包括：

设置单元，用于对与所述大脑核磁共振成像数据对应的不同年龄段数据设置相同的数据量阈值；

判断单元，用于判断所述年龄段数据的数据量是否高于所述数据量阈值；

第一存储单元，用于如果所述年龄段数据的数据量高于所述数据量阈值，则将所述年龄段数据进行编号并存储；

抽样单元，用于如果所述年龄段数据的数据量低于所述数据量阈值，则对所述年龄段数据进行有放回抽样。

9.根据权利要求8所述的基于3D卷积神经网络的脑龄预测装置，其特征在于，所述采样模块还包括：

终止单元，用于当所述有放回抽样的次数达到抽样阈值时，停止所述有放回抽样；

第二存储单元，用于将所述有放回抽样后得到的所述年龄段数据进行编号并存储。

10.根据权利要求6所述的基于3D卷积神经网络的脑龄预测装置，其特征在于，所述训练模块还包括：

输入单元，用于按照所述大脑核磁共振成像数据的对象列表将所述大脑核磁共振成像数据依次输入数据生成器；

处理单元，用于调用keras预处理接口对所述大脑核磁共振成像数据进行预处理；

匹配单元，用于对预处理后的所述大脑核磁共振成像数据匹配对应的年龄标签。