[发明专利]一种基于类脑神经网络模型的自闭症检测装置

权利要求书

1.一种基于类脑神经网络模型的自闭症检测装置，其特征在于，包括类脑神经网络构建单元、图像预处理单元、特征提取单元和检测单元；

所述类脑神经网络构建单元，用于构建用于自闭症的二分类的类脑神经网络模型，所述类脑神经网络模型的输入数据为基于采集的脑部静息态功能磁共振图序列所提取的多种特征数据，其中，脑部静息态功能磁共振图序列包括正常对照者和自病症患者的脑部静息态功能磁共振图序列，包括多个BP神经网络，每个BP神经网络对应一个特征子集，用于确定输入该BP神经网络的特征数据，输出为自闭症的二分类预测结果；并将最终得到的子数据集队列中记录的每个子数据集对应的特征子集和对应的BP神经网络进行唯一编号，再将各特征子集信息发送给特征提取单元，以及将各BP神经网络信息发送给检测单元；其中，特征子集信息包括编号和包括的特征项，BP神经网络信息包括编号和各网络层的网络参数；

图像预处理单元，输入为被检测者的脑部静息态功能磁共振图序列，对各脑部静息态功能磁共振图进行图像预处理后，提取每张脑部静息态功能磁共振图的脑结构网络和脑功能网络并发送给特征提取单元；特征提取单元，基于每个特征子集指定的特征项，进行特征提取，得到被检测者的多个特征向量，并将每个特征向量所对应的特征子集的编号作为每个特征向量的编号，再将所有特征向量发送给检测单元；所述检测单元，将收到的特征向量按照编号匹配到对应的BP神经网络，再基于各个BP神经网络的输出进行综合判决，得到被检测者的自病症检测结果；

所述类脑神经网络模型的层次结构包括分解层、启动层和输出决策层；

在分解层，从输入数据随机提取部分特征组合成一个新的子数据集，在开始训练之前，选取子数据集的部分特征组成预评估数据集，用单个BP神经网络进行训练，训练后得到预评估结果；为预评估结果设置一个准确率阈值，丢弃准确率未达到该准确率阈值的子数据集，从输入数据中提取新的子数据集再次进行预评估；

在启动层，根据预评估准确率的降序排序结果，从输入数据中选择当前预评估数据集不包含的特征，将预评估数据集扩展到子数据集的大小，然后新的子数据集生成对应的预评估数据集进行训练，若预评估准确率未达到准确率阈值，则重新进行扩展；若达到了准确率阈值，则依据预评估准确率插入启动层的子数据集队列中，并标记为已扩展；

输出决策层，综合所有BP神经网络的输出，作为类脑神经网络模型的最终的输出。

2.如权利要求1所述的自闭症检测装置，其特征在于，所述BP神经网络为三层结构，包括输入层、隐藏层和输出层，隐藏层的激活函数为ReLU函数，输出层的正规化处理采用softmax函数，训练时采用的损失函数为交叉熵函数。

3.如权利要求1所述的自闭症检测装置，其特征在于，所述检测单元还用于对被检测者的自病症检测结果进行可视化输出。