[发明专利]一种基于全卷积神经网络的可解释脑龄预测方法

权利要求书

1.一种基于全卷积神经网络的可解释脑龄预测方法，其特征在于，包括以下步骤：

S1、数据预处理，获得所需的灰质图像，包括：

S1-1、采用结构磁共振成像数据作为数据源；

S1-2、提取所述数据源中的灰质图像，使用DARTEL算法将灰质图像的空间归一化，将所有灰质图像映射到标准空间；

S1-3、构建一个分布均匀的训练集，构建一个独立的测试集；

S2、运用全卷积神经网络构建脑龄预测模型，包括：

S2-1、将灰质图像输入三维全卷积神经网络模型；

S2-2、依据构建的脑龄预测模型，生成预测年龄的概率分布，将每个年龄和每个年龄的预测概率相乘，得到所需的年龄预测情况；

所述三维全卷积神经网络模型包括卷积层、归一化层、ReLU激活函数和最大池化层；

S3、对所述脑龄预测模型进行模型训练和评估，包括：

S3-1、使用Cross-Entropy Loss作为损失函数，使用SGD对所述脑龄预测模型进行优化；

S3-2、使用十折交叉验证来评估所述脑龄预测模型，并选择平均绝对误差MAE最低的模型作为最终的最佳模型；

S4、采用网络遮挡敏感度分析和人类脑网络组图谱对脑龄预测过程中相关的大脑区域进行可解释性分析，定位与脑龄预测最相关的脑区位置；

所述网络遮挡敏感度分析的操作包括：每次测试时遮挡一部分的输入区域，运用公式：来比较遮挡前后误差，其中，表示第i个脑区被遮挡前的平均绝对误差，表示第i个脑区被遮挡后的平均绝对误差，表示第i个脑区的遮挡前后误差值。

2.如权利要求1所述的基于全卷积神经网络的可解释脑龄预测方法，其特征在于，所述S1-2中还包括：

采用4毫米全宽半高的高斯滤波器对映射到标准空间的所有灰质图像进行平滑处理，以提高图像数据的信噪比。

3.如权利要求1所述的基于全卷积神经网络的可解释脑龄预测方法，其特征在于，所述S4中还包括：采用网络遮挡敏感度分析方法得到各个脑区的对预测产生的贡献度值，并对各个贡献度值进行排序，获得贡献度值的分布情况。